北京，2024年3月8日/PRNewswire/-全球领先的全息增强现实（“AR”）技术提供商WiMi全息云股份有限公司（NASDAQ:WiMi）（“WiMi”或“公司”）今天宣布，它正在研究一种基于极限学习机（ELM）分片的区块链优化数据存储模型。ELM是一种基于人工神经网络的机器学习算法。ELM的核心思想是随机初始化输入层与隐藏层之间的连接权重。然后通过解析，快速计算输出层与隐藏层之间的连接权重，并通过随机生成输入权重和隐藏层神经元的偏差来构建简单高效的神经网络模型。与传统的神经网络算法相比，ELM具有训练速度快、泛化能力强的特点。尽管分片是一种在区块链系统中将数据分割成多个片段的方法，每个片段都可以独立处理和存储，但分片提高了区块链系统的性能。
基于ELM的分片区块链数据存储模型将区块链网络划分为多个分片，每个分片只需要存储和处理区块链的部分数据。具体来说，每个切片只需要存储和验证与其相关的区块和交易数据，而无需存储整个区块链的完整副本。这可以大大降低存储需求，降低存储成本，提高数据同步的效率和性能。在该模型中，每个切片都可以使用ELM作为其本地存储和计算单元。ELM是一种高效的机器学习算法，具有快速训练和预测能力。每个切片都可以使用ELM来存储和处理自己的区块链数据，而不依赖于其他切片或完整节点。这提高了数据存储和处理的效率，并减少了对完整节点的依赖。
具体来说，首先需要将原始区块链数据拆分为多个片段，并将这些片段存储在不同的节点上，从而实现数据存储的分布式管理，同时实现数据的并行处理。每个节点只需要存储自己负责的分片数据，大大降低了节点的存储压力。每个碎片都可以由一个或多个ELM节点管理。ELM节点使用ELM算法来训练和处理数据。ELM是一种快速高效的机器学习算法，可以在短时间内处理和分析大量数据。每个ELM节点可以独立处理和存储其负责的数据分片。这种分片技术改进了数据的并行处理，从而提高了整个区块链系统的性能。同时，由于每个节点只需要管理一部分数据，因此可以降低数据存储和处理的成本。
此外，基于ELM的分片技术还可以提供更高的数据隐私和安全性。由于数据被划分为多个分段，并由不同的ELM节点管理，即使一个节点受到攻击或数据泄露，也不会对整个系统的数据完整性产生影响。
WiMi研究的基于ELM的分片区块链数据存储模型可以解决传统区块链数据储存模型面临的存储容量和交易速度问题，降低存储成本，提高数据同步的效率和性能，并提供更高效的数据管理和访问方式，以进一步提高区块链系统的性能和可扩展性。该模型在区块链技术和数据存储模型的应用中具有重要意义。
关于WIMI全息云
维密全息云股份有限公司（NASDAQ:WIMI）是一家全息云综合技术解决方案提供商，专注于全息AR汽车HUD软件、3D全息脉冲激光雷达、头戴光场全息设备、全息半导体、全息云软件、全息汽车导航等专业领域。其服务和全息AR技术包括全息AR汽车应用、3D全息脉冲激光雷达技术、全息视觉半导体技术、全息软件开发、全息AR广告技术、全息AR娱乐技术、全息ARSDK支付、交互式全息通信和其他全息AR技术。
