使用CNN EfficientNet与IGTD算法对电池电动汽车充电水平的预测建模
计算机视觉与模式识别
2022-06-09 v1 人工智能
机器学习
信号处理
摘要
卷积神经网络（CNN）一直是理解大量图像数据集的良好方案。随着配备电池的电动汽车在全球范围内不断增加，关于理解电动汽车驾驶者会选择何种充电水平以在无任何阻碍的情况下到达目的地的研究颇多。我们实现了深度学习方法分析表格数据集，以理解其充电状态及会选择何种充电水平。此外，我们实现了表格数据集图像生成器（Image Generator for Tabular Dataset）算法，将表格数据集用作图像数据集来训练卷积神经网络。同时，我们集成了其他CNN架构如 EfficientNet，以证明CNN是从表格数据集转换而来的图像中读取信息并能够预测配备电池的电动汽车充电水平的优秀学习器。我们还评估了若干优化方法以提升模型学习率，并进一步分析了模型架构的改进。
引用
@article{arxiv.2206.03612,
title = {Predictive Modeling of Charge Levels for Battery Electric Vehicles using CNN EfficientNet and IGTD Algorithm},
author = {Seongwoo Choi and Chongzhou Fang and David Haddad and Minsung Kim},
journal= {arXiv preprint arXiv:2206.03612},
year = {2022}
}