热点事件历史事件
脉冲神经网络-BiLSTM混合架构预测LFP电池SOH
2 篇报道2 个报道来源6 天前更新
先了解这件事
事件综述
2026年10月23日，有报道称一项研究提出混合脉冲神经网络与双向LSTM架构，用于快充快放工况下LFP电池的SOH预测，标题强调其鲁棒性与计算效率；该报道仅提供标题，摘要无法核实数据集、误差指标或代码获取方式，未披露实验设置、对比基线或具体性能数据。2026年10月25日，Journal of Energy Storage刊出相关论文，作者为Shevil K. Mehta等，提出混合脉冲神经网络与双向LSTM（BiLSTM）架构，用于快充和快放工况下LFP电芯的SOH预测，同样强调鲁棒性与计算效率；该文发表于该刊第183卷Part B，出版日期为2027年1月1日。目前仅提供摘要信息，具体数据集、误差指标与对比基线未在材料中给出。
根据报道自动生成 · 6 天前更新
最新进展10月25日 02:58
该研究已于2026年10月25日在Journal of Energy Storage刊出，但仅披露摘要信息。报道时间线
沿着报道，了解事件的不同侧面。
10月25日
- Journal of Energy Storage精选混合脉冲神经网络-BiLSTM 架构用于快充快放 LFP 电芯 SOH 预测
Shevil K. Mehta 等提出一种混合脉冲神经网络与双向 LSTM（BiLSTM）架构，用于快充和快放工况下 LFP 电芯的 SOH 预测，强调鲁棒性与计算效率。该文发表于 Journal of Energy Storage 第 183 卷 Part B，出版日期为 2027 年 1 月 1 日。目前仅提供摘要信息，具体数据集、误差指标与对比基线未在材料中给出。
10月23日
- 关键词流·SOX 与寿命预测混合脉冲神经网络与双向LSTM架构用于快充快放下的LFP电池SOH预测
该研究提出一种混合脉冲神经网络与双向LSTM架构，用于快充和快放工况下LFP电池的SOH预测，标题强调其鲁棒性与计算效率。材料仅提供标题，摘要无法进一步核实数据集、误差指标或代码获取方式。
本事件热度走势
当前热度 15·可比范围峰值 19（10月25日 04:00）·近 24 小时可比范围变化 -4%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。