基于循环神经网络的数据库查询开销预测
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 相关研究 | 第11-13页 |
| 1.3 本文的工作 | 第13-14页 |
| 1.4 本文组织和结构 | 第14-15页 |
| 第2章 相关技术 | 第15-23页 |
| 2.1 查询优化器 | 第15页 |
| 2.2 查询开销预测 | 第15-16页 |
| 2.3 深度学习 | 第16-22页 |
| 2.3.1 FNN与RNN | 第17-20页 |
| 2.3.2 LSTM概述 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 整体框架 | 第23-33页 |
| 3.1 整体框架 | 第23-25页 |
| 3.2 特征提取 | 第25-31页 |
| 3.2.1 查询计划树 | 第26-27页 |
| 3.2.2 结构信息 | 第27-28页 |
| 3.2.3 操作信息 | 第28-31页 |
| 3.3 本章小结 | 第31-33页 |
| 第4章 模型建立 | 第33-40页 |
| 4.1 参数调优 | 第33-34页 |
| 4.2 网络结构 | 第34-37页 |
| 4.3 LSTM模型 | 第37-39页 |
| 4.4 本章小结 | 第39-40页 |
| 第5章 实验 | 第40-50页 |
| 5.1 实验环境 | 第40页 |
| 5.2 训练集收集 | 第40-43页 |
| 5.3 模型评估 | 第43-47页 |
| 5.4 模型对比 | 第47-48页 |
| 5.5 本章小结 | 第48-50页 |
| 第6章 总结与展望 | 第50-53页 |
| 6.1 本文工作总结 | 第50-51页 |
| 6.2 未来研究工作 | 第51页 |
| 6.3 本章小结 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间主要的研究成果 | 第57-58页 |
| 致谢 | 第58页 |
