研究者らは、リソース制約のある電気自動車システムにおいてオンデバイス学習を可能にし、事前学習済みバッテリー予測モデルを新しい未見のデータに継続的に適応させる革新的な手法を導入した。
- この手法は、既存の事前学習済みモデルを変形し、初期トレーニングからの重要なハイパーパラメータ知識を保持する適応可能なバージョンに変換する。
- 本研究は時系列予測のためのオンラインおよびオフラインのモデル適応戦略の両方を調査している。
- 結果は、オンライン適応で最大7.49%、オフライン適応技術で14.88%の平均絶対誤差の減少を示した。
このアプローチは、オンデバイス適応の大きな利点を浮き彫りにし、現実のシナリオにおける未適応モデルのデプロイメントと比較して、強化されたバッテリー電力予測をもたらす。