无监督跨域SOH估计
一种融合CNN、LSTM与多头注意力的无监督迁移学习框架，通过子域自适应将SOH估计从分类任务扩展到回归任务，实现不同电池间的准确迁移。
Feifan, Li · 于永光 · Yuan, Xiaolin · Ren, Guojian
Energy 2025
采用局部最大均值差异LMMD替代传统MMD，有效缩小源域与目标域电池数据的分布差异，迁移精度更高。
在CNN-LSTM网络中引入多头注意力机制，深度挖掘并融合多源特征，增强复杂特征空间中的关键信息提取能力。
即使缺乏足够的标注数据，无监督LMMD方法在实际应用中性能可与监督学习场景相媲美，具有很强的实用性。