基于潜过程的回归模型监督学习：在燃料电池寿命估计中的应用
机器学习
2013-12-30 v1 机器学习
应用统计
摘要
本文描述了一种旨在通过电化学阻抗谱测量来估计燃料电池持续时间的模式识别方法。该方法首先从阻抗谱的实部和虚部提取特征。针对实部考虑参数模型，而针对虚部则使用含潜变量的回归模型。随后，利用提取特征的不同子集构建线性回归模型以估计燃料电池的持续时间。在实验数据集上评估了所提方法的性能以展示其可行性。这可能为燃料电池的预测性维护策略带来有趣的前景。
引用
@article{arxiv.1312.7003,
title = {Supervised learning of a regression model based on latent process. Application to the estimation of fuel cell life time},
author = {Raïssa Onanena and Faicel Chamroukhi and Latifa Oukhellou and Denis Candusso and Patrice Aknin and Daniel Hissel},
journal= {arXiv preprint arXiv:1312.7003},
year = {2013}
}
备注
In Proceeding of the 8th IEEE International Conference on Machine Learning and Applications (IEEE ICMLA'09), pages 632-637, 2009, Miami Beach, FL, USA