<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[2601_95123781的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/2601_95123781</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; 2601_95123781]]></copyright><item><title><![CDATA[【深度迁移学习】基于 SDTL 的锂离子电池 SOH 小样本估计研究]]></title><link>https://blog.youkuaiyun.com/2601_95123781/article/details/157514548</link><guid>https://blog.youkuaiyun.com/2601_95123781/article/details/157514548</guid><author>2601_95123781</author><pubDate>Fri, 30 Jan 2026 11:34:02 +0800</pubDate><description><![CDATA[提出了一种基于自注意力机制的深度迁移学习（SDTL）方法，用于有限电池数据下的在线健康状态（SOH）估计。自注意力机制（Self-attention）可捕捉不同工况和材料下的电池衰减规律。仅需 10% 的目标电池早期循环数据，通过微调（Fine-tuning）即可实现模型快速适配。全面对比测试主流深度学习和迁移学习基准模型。基于不同工况数据集验证模型的泛化性能。一、研究背景与核心挑战。]]></description><category></category></item></channel></rss>