Journal of Energy Chemistry·· 2026-09-30精选AI 评分57
双流物理信息神经网络-迁移学习框架用于少样本场景下的电池 SOC 鲁棒估计
Dual-stream physics-informed neural network-transfer learning framework for robust battery SOC estimation under few-shot data scenarios
模型导读
Longxing Wu 等人在 Journal of Energy Chemistry 第 124 卷提出双流物理信息神经网络-迁移学习框架，用于少样本数据场景下的电池 SOC 鲁棒估计。该工作将物理信息神经网络与迁移学习结合，以应对训练数据不足时的估计精度问题。论文发表于 2027 年 1 月。
推荐理由
针对少样本工况下 SOC 估计精度下降的问题，该框架把物理信息神经网络与迁移学习结合，可供做小样本估计的研究者参考其双流结构设计。
来源：Journal of Energy Chemistry · sciencedirect.com