PulseAugur
中
实时 09:29:41
实体 Gaussian Positional Encoding

Gaussian Positional Encoding

PulseAugur coverage of Gaussian Positional Encoding — every cluster mentioning Gaussian Positional Encoding across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_160867 ·

    AI模型高精度预测锂离子电池放电行为

    研究人员开发了一种新的深度学习流程，使用Swin3D Transformer来预测锂离子电池的放电行为，与传统的基于物理的模拟相比，显著降低了计算成本。该方法集成了高斯位置编码以获得更好的空间特征表示，以及一个专门的时间编码模块来捕捉复杂的时间序列演变。该方法在电化学模拟（ES）数据集上进行了测试，其准确性优于现有的点云基线，并为电池设计和优化提供了更高效的框架。