연구자들은 자원 제약이 있는 전기자동차 시스템에서 온디바이스 학습을 가능하게 하여 사전 훈련된 배터리 예측 모델을 새로운 미시청 데이터에 지속적으로 적응시키는 새로운 접근 방식을 소개합니다.
- 이 방법은 기존 사전 훈련된 모델을 변형하여 초기 훈련에서 중요한 하이퍼파라미터 지식을 유지하는 적응 가능한 버전으로 변환합니다.
- 본 연구는 시계열 예측을 위한 온라인 및 오프라인 모델 적응 전략을 모두 조사합니다.
- 결과는 온라인 적응으로 최대 7.49%, 오프라인 적응 기술로 14.88%의 평균 절대 오차 감소를 보여줍니다.
이 접근 방식은 온디바이스 적응의 상당한 이점을 부각시키며, 현실적인 시나리오에서 적응되지 않은 모델 배포와 비교하여 향상된 배터리 전력 예측을 가져옵니다.