에너지·소재연구 결과
다양한 데이터를 동적으로 융합한 배터리 수명 예측 모델 개발
원문 발행 2025.04.25 19:24 KST블랙덱 추가 2026.11.09 05:26 KST
무엇이 새로워졌나요?
다양한 데이터 소스를 동적 가중치 기반 융합으로 통합하여 모델의 정확성을 향상시킵니다.
핵심 내용
- 국가공공 및 산업 데이터를 통합하여 배터리 수명 예측을 정확히 수행합니다.
- Ridge 회귀, LSTM, XGBoost를 스택한 모델로 시간적 패턴과 비선형 퇴화를 효과적으로 모델링합니다.
- MAE 0.0058, RMSE 0.0092, R² 0.9839를 달성하여 기존 모델보다 정확도가 향상됩니다.
내 일에 연결해 보면
동적 엔트로피 기반 가중치 메커니즘을 통해 데이터 간 변이를 최소화합니다.
아직 확인해야 할 점
논문 초록에 근거한 연구 요약입니다. 실제 적용 조건과 검증 범위는 연결된 원문에서 확인해야 합니다.
요약에 참고한 원문
아래 링크는 원문 사이트의 새 창으로 열립니다.