Universität der Bundeswehr München: AtheneForschung
Benutzer: Gast
 
Login
de
en
Erweiterte Suche
Home / Alle Inhalte
Publikationen (Universitätsbibliografie)
Fakultäten (univ.)
(22230)
Fakultäten (HAW)
(1780)
Fakultät für Betriebswirtschaft
(1217)
Fakultät für Elektrotechnik und Technische Informatik
(234)
ETTI 1 - Institut für Physik, Elektrotechnik und Automatisierungstechnik
(182)
ETTI 2 - Institut für Verteilte Intelligente Systeme
(24)
ETTI 3 - Institut für Nachrichtentechnik und Datenübertragungstechnik
(3)
ETTI 4 - Institut für Embedded Systems
(8)
ETTI 5 - Institut für Funkkommunikation
ETTI 6 - Institut für Software Engineering
(16)
Fakultät für Maschinenbau
(330)
Forschungszentren und -initiativen
(2147)
Weitere Einrichtungen
(17)
Projekte
Elektronische Prüfungsarbeiten
Open-Access-Publikationen
Patente
Forschungsdaten
Forschungsprofile
Videos für die UniBw M-Webseite
Digitalisierte Medien
AG E-Learning
Materialien der Universitätsbibliothek
Home / Alle Inhalte
Publikationen (Universitätsbibliografie)
Fakultäten (HAW)
Fakultät für Elektrotechnik und Technische Informatik
ETTI 2 - Institut für Verteilte Intelligente Systeme
Zurück
Zurück zum Anfang der Trefferliste
Dauerhafter Link zum angezeigten Objekt
Autoren:
Karnehm, Dominic; Samanta, Akash; Anekal, Latha; Pohlmann, Sebastian; Neve, Antje; Williamson, Sheldon
Dokumenttyp:
Zeitschriftenartikel / Journal Article
Titel:
Comprehensive Comparative Analysis of Deep-Learning-Based State-of-Charge Estimation Algorithms for Cloud-Based Lithium-Ion Battery Management Systems
Zeitschrift:
IEEE Journal of Emerging and Selected Topics in Industrial Electronics
Jahrgang:
5
Heftnummer:
2
Jahr:
2024
Seiten von - bis:
597-604
Sprache:
Englisch
Stichwörter:
Cloud computing ; Estimation ; Computer architecture ; Long short term memory ; State of charge ; Computational modeling ; Microprocessors ; Artificial intelligence ; battery management system (BMS) ; cloud computing ; data-driven techniques ; digital twining ; electric vehicles (EVs) ; lithium-ion batteries ; machine learning ; state estimation
ISSN:
2687-9735 ; 2687-9743
DOI:
10.1109/JESTIE.2024.3373267
Fakultät:
Fakultät für Elektrotechnik und Technische Informatik
Institut:
ETTI 2 - Institut für Verteilte Intelligente Systeme
Professur:
Neve, Antje
Open Access ja oder nein?:
Nein / No
BibTeX
Vorkommen:
Home / Alle Inhalte
Publikationen (Universitätsbibliografie)
Fakultäten (HAW)
Fakultät für Elektrotechnik und Technische Informatik
ETTI 2 - Institut für Verteilte Intelligente Systeme