稀疏数据高精度SOH
基于贝叶斯卷积神经网络的概率迁移学习框架，为不同电池类型提供数据高效的容量估计，并附带不确定性量化。
Shao, Minghao · Fu, Shiyi · 78270247 · Yulin, Tao · 王瑜 · 孙耀杰
Energy 2026
通过跨电池类型和工况的概率迁移，模型在仅有少量目标域样本时仍能达到低误差，减少对大量标注数据的依赖。
贝叶斯网络输出预测分布而非单一数值，使容量估计可附带置信区间，增强决策可靠性。
仅用部分充电段数据即可维持稳健性能，适应实际BMS中数据采集不全的场景。