原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于改进长短期记忆网络的储能电池剩余使用寿命预测方法，属于储能电池健康管理技术领域，本发明提供了一种预测储能电池剩余使用寿命的方法，通过融合自注意力机制和长短期记忆网络增加模型全局关注能力，并通过贝叶斯优化对模型超参数进行优化，提升模型性能，模型汲取了长短期记忆网络的顺序建模能力和自注意力机制的全局关注能力，更全面捕捉全局信息，更好的处理长距离依赖问题，有效避免梯度消失问题，使用贝叶斯优化器优化模型超参数，能够更高效的迭代超参数组合，在一定程度上避免选取局部最优的超参数配置，与现有的储能电池
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117708702A
(43)申请公布日2024.03.15
(21)申请号202311731368.0
(22)申请日2023.12.15
(71)申请人哈尔滨理工大学
地址15000
文档评论（0）