#synthetic-data
共 4 篇相关内容 · 安全漏洞、AI动态、技术文章
技术文章 4
ev-flow：基于NHTS数据的美国八区域电动汽车充电行为合成生成器
ev-flow是一个开源Python工具包，基于美国2017年全国家庭出行调查(NHTS)数据，通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、K=16高斯混合时间采样和温度依赖能耗修正，在湾区住宅验证中21项检查零未解释失败，填补了美国本土EV充电数据生成的空白。
ev-flow：基于NHTS数据的美国八区域电动汽车充电行为合成生成器
ev-flow是一个开源Python工具包，基于美国2017年全国家庭出行调查(NHTS)数据，通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、K=16高斯混合时间采样和温度依赖能耗修正，在湾区住宅验证中21项检查零未解释失败，填补了美国本土EV充电数据生成的空白。
ev-flow：基于NHTS数据的美国八区域电动汽车充电行为合成生成器
ev-flow是一个开源Python工具包，基于美国2017年全国家庭出行调查(NHTS)数据，通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、K=16高斯混合时间采样和温度依赖能耗修正，在湾区住宅验证中21项检查零未解释失败，填补了美国本土EV充电数据生成的空白。
ev-flow：基于NHTS的美国八区域电动汽车充电行为合成数据生成器
ev-flow是一个开源Python工具包，基于美国2017年全国家庭出行调查(NHTS)数据，通过九阶段确定性流水线为美国八个地区生成行为真实的电动汽车充电合成数据。工具采用三层伯努利插电模型、温度依赖能耗修正和区域销售混合模型，在湾区住宅场景验证中21项检查零未解释失败，填补了美国本土EV充电数据生成的空白。