研究人员开发了TIDE,一个用于估计电池退化、优先考虑准确性、可信度和可解释性的新系统。TIDE通过一个三部分骨干集成了领域知识和操作数据,其特点是用于可信估计的知识引导先验和用于可解释精炼的单调残差组件。该系统还通过上下文学习捕获电池特定的操作效应以提高准确性。实验表明,TIDE比现有方法平均提高了19.7%的估计保真度,同时其符号蒸馏提供了模型级别的简洁解释。 AI
影响 通过可解释的人工智能增强电池管理系统的可靠性和决策能力。
排序理由 该集群包含一篇详细介绍新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →