全国客服热线：
153-1370-2523
153-1370-2523
摘要
电池健康评估依赖于特征参考和学习器。改变某一列的归一化处理会导致均方根误差（RMSE）波动高达108%。我们利用每个单元格最早保留的记录构建了自参考提升（SRL）。在离线作者协议下，拥有完整历史堆栈的学习器在Holm校正后，在11个单元中的9个上表现有所提升，没有单元表现显著变差，且每个骨干网络中的两个单元差异不显著。所有11个单元的相对变化中位数是对于冻结的基础模型和对于梯度提升，包括学习器效应。在严格的在线读者模式下，排除目标未来和标签信息，紧凑型SRL反而导致梯度提升（11个单元中有5个有所改善）和对于冻结的基础模型（11个中有3个有所改善）：整体在线准确率没有提升。传统的离线配对控制更倾向于自配对（，100次错排）。一个具有隐式自我比较的伙伴基准测试在每批次选择下，6个批次中有6个得到提升（固定配置下为6个中的5个）；一个未见过的库遗留诊断提升了22-33%。可部署性问题涉及可计算性，而非严格在线的准确率优势。−16.8%−16.8%−19.1%−19.1%+4.3%+4.3%+10.4%+10.4%
电话：153-1370-2523
美国邱健蓄电池集团总部