长序列预测更准
将 Transformer 嵌入物理信息神经网络，跨数据集健康状态预测的准确性显著优于现有方法。
Yichen, Zhan · Kehuan, Yan · 郑相涵
International Journal of Electrical Power and Energy Systems 2025
混合设计同时捕获长期时间依赖并精确建模退化机制，因此在长序列预测任务上显著优于现有方法。
在 NASA 和 CALCE 数据集上进行了广泛的跨数据集验证，证明了该方法在处理不同电池数据时的泛化能力。
卷积数据处理器负责提取电化学过程的多维特征，为模型提供更丰富的输入表示。