| 标题 |
优化的XGBoost框架,用于使用多健康指标对锂离子电池进行RUL预测 相关领域
特征选择
支持向量机
超参数
梯度升压
机器学习
电池(电)
Boosting(机器学习)
超参数优化
朴素贝叶斯分类器
随机森林
人工智能
极限学习机
计算机科学
能源消耗
高斯过程
人工神经网络
过程(计算)
选择(遗传算法)
贝叶斯概率
集成学习
克里金
相关向量机
数据挖掘
可靠性工程
还原(数学)
高效能源利用
能量(信号处理)
均方误差
选型
荷载剖面图
特征(语言学)
回归
贝叶斯推理
可解释性
对偶(语法数字)
调度(生产过程)
交叉验证
基线(sea)
降维
工程类
|
| 网址 | |
| DOI | |
| 求助人 | |
| 下载 | 该求助完结已超 24 小时,文件已从服务器自动删除,无法下载。 |
|
温馨提示:该文献已被科研通 学术中心 收录,前往查看
科研通『学术中心』是文献索引库,收集文献的基本信息(如标题、摘要、期刊、作者、被引量等),不提供下载功能。如需下载文献全文,请通过文献求助获取。
|
PDF的下载单位、IP信息已删除
(2025-6-4)