शोधकर्ताओं ने एक नवीन दृष्टिकोण पेश किया है जो सीमित संसाधनों वाले इलेक्ट्रिक वाहन सिस्टम में डिवाइस-साइड लर्निंग को सक्षम बनाता है, ताकि पूर्व-प्रशिक्षित बैटरी पूर्वानुमान मॉडल को नए, अदृश्य डेटा के लिए लगातार अनुकूलित किया जा सके।
- विधि मौजूदा पूर्व-प्रशिक्षित मॉडल को ऐसे संस्करणों में परिवर्तित करती है जो प्रारंभिक प्रशिक्षण से महत्वपूर्ण हाइपरपैरामीटर ज्ञान को बनाए रखते हैं।
- अध्ययन समय श्रृंखला पूर्वानुमान के लिए ऑनलाइन और ऑफ़लाइन मॉडल अनुकूलन रणनीतियों की जांच करता है।
- परिणाम दिखाते हैं कि ऑनलाइन अनुकूलन के साथ माध्य निरपेक्ष त्रुटि में 7.49% तक की कमी और ऑफ़लाइन अनुकूलन तकनीकों के साथ 14.88% की कमी आई है।
यह दृष्टिकोण डिवाइस-साइड अनुकूलन के महत्वपूर्ण लाभ को उजागर करता है, जिसके परिणामस्वरूप वास्तविक दुनिया के परिदृश्यों में अनानुकूलित मॉडल तैनाती की तुलना में बढ़ी हुई बैटरी पावर पूर्वानुमान प्राप्त होते हैं।