IsomapVSG-LIME:一种新的模型无关解释方法

为了解决局部可解释模型无关的解释(local interpretable model-agnostic explanations,LIME)随机扰动采样方法导致产生的解释缺乏局部忠实性和稳定性的问题,本文提出了一种新的模型无关解释方法IsomapVSG-LIME。该方法使用基于流形学习的等距映射虚拟样本生成(isometric mapping virtual sample generation,IsomapVSG)方法代替LIME的随机扰动采样方法来生成样本,并使用凝聚层次聚类方法从虚拟样本中选择具有代表性的样本用以训练解释模型;本文还提出了一种新的解释稳定性评价指标—特征序列稳定性指数(features sequence stability index,FSSI),解决了以往评价指标忽略特征的序关系和解释翻转的问题。实验结果表明,本文提出的方法在稳定性和局部忠实性上均优于现有的最新模型。

基于改进粒子滤波的锂离子电池剩余寿命预测

针对锂离子电池剩余寿命预测精度不高的问题,提出一种基于随机扰动无迹粒子滤波的锂离子电池剩余寿命预测方法。首先采用无迹卡尔曼滤波算法改进粒子滤波的重要性采样过程,随机扰动重采样算法改进粒子滤波的重采样过程,提出随机扰动无迹粒子滤波算法;然后采用双指数经验模型拟合的方法得到模型参数的初始值;最后采用随机扰动无迹粒子滤波算法对模型参数进行更新,实现锂离子电池的剩余寿命预测并给出了预测结果的概率分布。与基于粒子滤波的方法相比,实验结果表明,该方法的预测结果的绝对误差最多可减小17个周期,绝对误差的变化范围减小9个周期。