公开(公告)号：CN115794880A

公开(公告)日：2023-03-14

申请号：CN202211379710.0

申请日：2022-11-04

Applicant: 复旦大学

Inventor： 荆一楠 ,  张寒冰 ,  乔艺萌 ,  何震瀛 ,  王晓阳

IPC: G06F16/2455 ,  G06F16/2458 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08 ,  G06N3/047

Abstract: 本发明属于数据分析技术领域，具体为一种面向近似查询处理的和积网络与残差神经网络混合模型。本发明包括两个模块：基于和积网络的无监督学习模块，针对数据集的不同样本，训练多个相互独立的和积网络模型来捕捉数据的整体分布规律，每个和积网络模型等价于原始数据集的一个密度估计器，可以通过该模型计算出聚合查询的近似结果；基于残差神经网络的监督学习模块，针对一个给定的查询，将该查询在训练好的多个和积网络中预测出的查询结果以及和积网络预测过程中的特征向量作为输入，用查询的真实结果作为标签训练深度神经网络，当用户查询输入时，该模型能够输出经过校正后具有更高准确性的近似查询结果。本发明在大幅降低查询执行时延的同时提供具有较高准确性的近似查询结果。