Deep Reinforcement Learning for Join Order Enumeration
深度強化學習，用於連接順序枚舉 摘要 連接順序選擇在查詢性能中起着重要作用。但是，現代查詢優化器通常採用靜態連接順序枚舉算法，該算法不包含有關結果計劃質量的反饋。 因此，優化器經常重複選擇相同的錯誤計劃，因爲它們沒有「從錯誤中吸取教訓」的機制。 在這裏，我們認爲可以應用深度強化學習技術來應對這一挑戰。這些技術由人工神經網絡提供支持，可以通過合併反饋來自動改善優化程序的決策制定。 爲了實現這一目標，
相關文章
- 1. Deep Reinforcement Learning for Dialogue Generation
- 2. Deep Reinforcement Learning for List-wise Recommendations
- 3. Deep Reinforcement Learning
- 4. Reinforcement learning and Deep learning
- 5. Relational Deep Reinforcement Learning
- 6. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 7. Deep Reinforcement Learning for Dialogue Generation閱讀筆記
- 8. 【5分鐘 Paper】Asynchronous Methods for Deep Reinforcement Learning
- 9. Deep Reinforcement Learning for High Precision Assembly Tasks
- 10. Building a ROS simulation platform for Deep Reinforcement Learning research ...
- 更多相關文章...
- • SQLite Join - SQLite教程
- • SQLite Order By - SQLite教程
- • RxJava操作符（四）Combining
- • Java Agent入門實戰（三）-JVM Attach原理與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Deep Reinforcement Learning for Dialogue Generation
- 2. Deep Reinforcement Learning for List-wise Recommendations
- 3. Deep Reinforcement Learning
- 4. Reinforcement learning and Deep learning
- 5. Relational Deep Reinforcement Learning
- 6. Deep Reinforcement Learning with Iterative Shift for Visual Tracking
- 7. Deep Reinforcement Learning for Dialogue Generation閱讀筆記
- 8. 【5分鐘 Paper】Asynchronous Methods for Deep Reinforcement Learning
- 9. Deep Reinforcement Learning for High Precision Assembly Tasks
- 10. Building a ROS simulation platform for Deep Reinforcement Learning research ...