Szczegóły Szczegóły PDF BIBTEX RIS Tytuł artykułu Interpretable machine learning for battery health insights: A LIME and SHAP-based study on EIS-derived features Tytuł czasopisma Bulletin of the Polish Academy of Sciences Technical Sciences Rocznik 2025 Wolumin 73 Numer 5 Autorzy Etem, Taha Afiliacje Etem, Taha : Cankiri Karatekin University, Faculty of Engineering, Computer Engineering, Cankiri, Turkiye Słowa kluczowe lithium-ion batteries ; EIS ; distribution of relaxation times ; SHAP ; LIME Wydział PAN Nauki Techniczne Zakres e155033 Data 14.07.2025 Typ Article Identyfikator DOI: 10.24425/bpasts.2025.155033 ; ISSN 2300-1917 <div class="test"></div>