論文の概要: Federated Battery Diagnosis and Prognosis
- arxiv url: http://arxiv.org/abs/2310.09628v1
- Date: Sat, 14 Oct 2023 17:46:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 01:54:44.717417
- Title: Federated Battery Diagnosis and Prognosis
- Title（参考訳）: フェデレーションバッテリ診断と予後
- Authors: Nur Banu Altinpulluk, Deniz Altinpulluk, Paritosh Ramanan, Noah
Paulson, Feng Qiu, Susan Babinec, and Murat Yildirim
- Abstract要約: バッテリー診断,予後,健康管理モデルは,エネルギー・移動分野における電池システムの統合において重要な役割を担っている。
しかしながら、これらのモデルの大規模展開は、データオーナシップ、プライバシ、通信、処理を中心とした数多くの課題によって妨げられています。
本稿では,バッテリ標準電圧利用データ処理をプライバシ保護方式で分散するフェデレーションバッテリ予後モデルを提案する。
- 参考スコア（独自算出の注目度）: 0.6020414684573571
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Battery diagnosis, prognosis and health management models play a critical
role in the integration of battery systems in energy and mobility fields.
However, large-scale deployment of these models is hindered by a myriad of
challenges centered around data ownership, privacy, communication, and
processing. State-of-the-art battery diagnosis and prognosis methods require
centralized collection of data, which further aggravates these challenges. Here
we propose a federated battery prognosis model, which distributes the
processing of battery standard current-voltage-time-usage data in a
privacy-preserving manner. Instead of exchanging raw standard
current-voltage-time-usage data, our model communicates only the model
parameters, thus reducing communication load and preserving data
confidentiality. The proposed model offers a paradigm shift in battery health
management through privacy-preserving distributed methods for battery data
processing and remaining lifetime prediction.
- Abstract（参考訳）: バッテリー診断,予後,健康管理モデルは,エネルギー・移動分野における電池システムの統合において重要な役割を担っている。
しかしながら、これらのモデルの大規模展開は、データオーナシップ、プライバシ、通信、処理を中心とした数多くの課題によって妨げられています。
最先端のバッテリー診断と予後診断には、集中的なデータの収集が必要である。
本稿では,バッテリ標準電流電圧時間使用データをプライバシ保存方式で処理するフェデレーションバッテリ予後モデルを提案する。
我々のモデルは、標準の電流-電圧-時間-使用データを交換する代わりに、モデルパラメータのみを通信し、通信負荷を低減し、データの機密性を維持する。
提案モデルは,バッテリデータ処理と持続寿命予測のためのプライバシ保存分散手法によるバッテリヘルス管理のパラダイムシフトを提供する。
関連論文リスト
- On conditional diffusion models for PDE simulations [53.01911265639582]
スパース観測の予測と同化のためのスコアベース拡散モデルについて検討した。
本稿では,予測性能を大幅に向上させる自動回帰サンプリング手法を提案する。
また,条件付きスコアベースモデルに対する新たなトレーニング戦略を提案する。
論文 参考訳（メタデータ） (2024-10-21T18:31:04Z) - Deep-MPC: A DAGGER-Driven Imitation Learning Strategy for Optimal Constrained Battery Charging [5.192596329990163]
本論文は,従来の電池充電の予測制御戦略にまつわる課題に対処する革新的な手法を提案する。
電気化学モデルを組み込んだ実用的な電池シミュレータから得られた結果は、電池充電性能の大幅な改善を浮き彫りにした。
論文 参考訳（メタデータ） (2024-06-23T02:36:02Z) - Synthesizing Multimodal Electronic Health Records via Predictive Diffusion Models [69.06149482021071]
EHRPDと呼ばれる新しいEHRデータ生成モデルを提案する。
時間間隔推定を組み込んだ拡散モデルである。
我々は2つの公開データセットで実験を行い、忠実さ、プライバシー、実用性の観点からEPHPDを評価する。
論文 参考訳（メタデータ） (2024-06-20T02:20:23Z) - MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Learning battery model parameter dynamics from data with recursive
Gaussian process regression [0.0]
本稿では,データ駆動とモデル駆動を併用したハイブリッド手法を提案する。
具体的には、状態、動作条件、寿命の関数としてモデルパラメータを推定するベイズ的データ駆動手法であるガウス的プロセス回帰を実証する。
その結果, 実測データと実測データの両方において, 電池容量と内部抵抗の正確な推定値, 予測値などの有効性が示された。
論文 参考訳（メタデータ） (2023-04-26T16:40:34Z) - Enhanced Gaussian Process Dynamical Models with Knowledge Transfer for
Long-term Battery Degradation Forecasting [0.9208007322096533]
電気自動車のバッテリーの寿命や寿命の予測は、決定的かつ困難な問題だ。
多数のアルゴリズムが、バッテリ管理システムが収集したデータから利用できる機能を組み込んでいる。
この制限を克服できる高精度な手法を開発した。
論文 参考訳（メタデータ） (2022-12-03T12:59:51Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Dynaformer: A Deep Learning Model for Ageing-aware Battery Discharge
Prediction [2.670887944566458]
本稿では,少数の電圧/電流サンプルから同時に老化状態を推定できるトランスフォーマーに基づく新しいディープラーニングアーキテクチャを提案する。
実験の結果, 学習モデルは様々な複雑さの入力電流分布に有効であり, 広範囲の劣化レベルに対して堅牢であることがわかった。
論文 参考訳（メタデータ） (2022-06-01T15:31:06Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - Hybrid physics-based and data-driven modeling with calibrated
uncertainty for lithium-ion battery degradation diagnosis and prognosis [6.7143928677892335]
リチウムイオン電池(LIB)は今後数十年で電化を促進する鍵となる。
LIB劣化の不十分な理解は、バッテリーの耐久性と安全性を制限する重要なボトルネックである。
本稿では,オンライン診断とバッテリー劣化の診断のためのハイブリッド物理とデータ駆動モデリングを提案する。
論文 参考訳（メタデータ） (2021-10-25T11:14:12Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。