Scidown文献预览系统！
基于脉冲注入辅助机器学习的快照SoC识别( Snapshot SoC identification with Pulse Injection Aided Machine Learning )
Youssef A. Fahmy Weizhong Wang Alan C. West Matthias Preindl
以全连接前馈网络形式的机器学习被应用于预测锂离子电池的荷电状态(SoC)和健康状态（SoHs）。对这些脉冲的归一化电压响应的快照是唯一需要的输入。既不需要以前的数据，也不需要库仑计数。脉冲注入辅助机器学习(PIAML)算法对新鲜细胞和未老化细胞的平均预测误差小于1%，对新鲜细胞和老化细胞的平均预测误差小于2%。它提供了SoC估计，而不需要休息时间、容量知识或其他方法中发现的其他等效参数。该算法可以作为独立的估计器或作为周期调节器用于其他结果可能随时间漂移的SoC估计方法。用恒定放电和驱动周期数据对PIAML进行了验证。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 基础隔震结构抗震分析的简化程序下载
scidown 肽类药物发现的趋势下载
scidown 乘客情绪识别提高自动驾驶汽车的社会认可度下载