北京，2024年3月8日/PRNewswire/-全球領先的全息增強現實（“AR”）技術提供商WiMi全息雲股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，它正在研究一種基于極限學習機（ELM）分片的區塊鍊優化數據存儲模型。ELM是一種基于人工神經網絡的機器學習算法。ELM的核心思想是随機初始化輸入層與隐藏層之間的連接權重。然後通過解析，快速計算輸出層與隐藏層之間的連接權重，并通過随機生成輸入權重和隐藏層神經元的偏差來構建簡單高效的神經網絡模型。與傳統的神經網絡算法相比，ELM具有訓練速度快、泛化能力強的特點。盡管分片是一種在區塊鍊系統中将數據分割成多個片段的方法，每個片段都可以獨立處理和存儲，但分片提高了區塊鍊系統的性能。
基于ELM的分片區塊鍊數據存儲模型将區塊鍊網絡劃分為多個分片，每個分片隻需要存儲和處理區塊鍊的部分數據。具體來說，每個切片隻需要存儲和驗證與其相關的區塊和交易數據，而無需存儲整個區塊鍊的完整副本。這可以大大降低存儲需求，降低存儲成本，提高數據同步的效率和性能。在該模型中，每個切片都可以使用ELM作為其本地存儲和計算單元。ELM是一種高效的機器學習算法，具有快速訓練和預測能力。每個切片都可以使用ELM來存儲和處理自己的區塊鍊數據，而不依賴于其他切片或完整節點。這提高了數據存儲和處理的效率，并減少了對完整節點的依賴。
具體來說，首先需要将原始區塊鍊數據拆分為多個片段，并将這些片段存儲在不同的節點上，從而實現數據存儲的分布式管理，同時實現數據的并行處理。每個節點隻需要存儲自己負責的分片數據，大大降低了節點的存儲壓力。每個碎片都可以由一個或多個ELM節點管理。ELM節點使用ELM算法來訓練和處理數據。ELM是一種快速高效的機器學習算法，可以在短時間内處理和分析大量數據。每個ELM節點可以獨立處理和存儲其負責的數據分片。這種分片技術改進了數據的并行處理，從而提高了整個區塊鍊系統的性能。同時，由于每個節點隻需要管理一部分數據，因此可以降低數據存儲和處理的成本。
此外，基于ELM的分片技術還可以提供更高的數據隐私和安全性。由于數據被劃分為多個分段，并由不同的ELM節點管理，即使一個節點受到攻擊或數據洩露，也不會對整個系統的數據完整性産生影響。
WiMi研究的基于ELM的分片區塊鍊數據存儲模型可以解決傳統區塊鍊數據儲存模型面臨的存儲容量和交易速度問題，降低存儲成本，提高數據同步的效率和性能，并提供更高效的數據管理和訪問方式，以進一步提高區塊鍊系統的性能和可擴展性。該模型在區塊鍊技術和數據存儲模型的應用中具有重要意義。
關于WIMI全息雲
維密全息雲股份有限公司（NASDAQ:WIMI）是一家全息雲綜合技術解決方案提供商，專注于全息AR汽車HUD軟件、3D全息脈沖激光雷達、頭戴光場全息設備、全息半導體、全息雲軟件、全息汽車導航等專業領域。其服務和全息AR技術包括全息AR汽車應用、3D全息脈沖激光雷達技術、全息視覺半導體技術、全息軟件開發、全息AR廣告技術、全息AR娛樂技術、全息ARSDK支付、交互式全息通信和其他全息AR技術。
