通过循环注意力实现锂离子电池准确状态预测的 CyFormer 技术（英文版）

英文标题：CyFormer: Accurate State-of-Health Prediction of Lithium-Ion Batteries via Cyclic Attention中文摘要：本文提出了一种基于 transformer 的循环时间序列模型 - CyFormer，能够有效地解决现有的基于 CNN 和 RNN 的方法所忽略的循环特征和训练和测试电池之间的域差异问题，进而通过微调和剪枝降低模型复杂度，实现了对锂离子电池健康状况的预测，从而为解决所有循环时间序列预测任务提供了潜在的解决方案。英文摘要：Predicting the State-of-Health (SoH) of lithium-ion batteries is afundamental task of battery management systems on electric vehicles. It aims atestimating future SoH based on historical aging data. Most existing deeplearning methods rel