特讯热点!超越Transformer:清华蚂蚁推出纯MLP架构,时序预测性能获突破性提升
超越Transformer:清华蚂蚁推出纯MLP架构,时序预测性能获突破性提升
北京,2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布,他们提出了一种基于纯MLP(多层感知机)架构的时序预测模型,在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式,并有望在金融、医疗、物联网等众多行业得到广泛应用。
传统基于Transformer架构的时序预测模型,通常采用编码器-解码器结构,通过自注意力机制捕捉序列之间的依赖关系。然而,Transformer架构存在参数量大、计算复杂度高等问题,限制了其在长序列预测等场景中的应用。
清华蚂蚁团队提出的纯MLP架构,摒弃了自注意力机制,采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性,该模型能够在保持精度的同时大幅降低计算成本。
在多个公开数据集上的实验证明,清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如,在著名的股票价格预测数据集标杆之一Nasdaq 100上,该模型的平均误差率降低了15%以上。
清华蚂蚁团队的研究工作,为基于深度学习的时序预测模型提供了一种新的思路,有望推动该领域的技术进步和应用普及。
以下是对主要信息的扩充:
- 纯MLP架构的优势
- 参数量更小,计算效率更高,模型更轻量化。
- 训练速度更快,更容易部署到实际应用中。
- 能够更好地捕捉长距离依赖关系,适用于长序列预测任务。
- 纯MLP架构的应用前景
- 金融领域:股票价格预测、期货交易预测、风险评估等。
- 医疗领域:疾病预测、生命体征预测、医疗影像分析等。
- 物联网领域:传感器数据预测、设备故障预测、能源管理等。
以下是新标题的建议:
- MLP架构再创新高:清华蚂蚁提出纯MLP架构,时序预测性能突破瓶颈
- 超越Transformer架构的时序预测新范式:清华蚂蚁研究成果发布
- 轻量化模型也能有大作为:清华蚂蚁纯MLP架构解锁时序预测新潜力
希望以上内容能够满足您的需求。
欧元区4月工业产出意外下滑 服务业成经济复苏关键支柱
布鲁塞尔/北京 - 欧元区4月工业产出意外下滑,加剧了经济复苏乏力的担忧。数据显示,欧元区4月工业产出环比下降0.4%,低于市场预期0.2%的增长。
**德国、意大利和西班牙等主要经济体均出现工业产出下降。**德国工业产出环比下降0.7%,意大利下降0.3%,西班牙下降0.6%。
**分析师指出,工业产出下滑主要受全球供应链瓶颈、能源价格高企和乌克兰局势紧张等因素影响。**这些因素导致企业生产成本上升,盈利能力下降,进而抑制了工业生产活动。
**尽管工业产出下滑,但欧元区经济仍显示出一些积极迹象。**欧元区4月服务业PMI终值为53.9,高于预期53.4,显示服务业继续扩张。
**一些经济学家认为,欧元区经济未来复苏将更加依赖服务业。**服务业占欧元区GDP的比重超过70%,是欧元区经济的重要支柱。随着疫情防控措施放鬆,服务业需求有望逐步回升,为经济增长提供动力。
**欧元区央行行长拉加德表示,欧元区经济前景仍然存在不确定性,但央行将继续采取行动支持经济增长。**拉加德称,央行将在必要时调整货币政策,以确保欧元区物价稳定和经济增长。
**总体而言,欧元区经济复苏前景仍不明朗。**工业产出下滑增加了经济下行风险,但服务业的持续扩张为经济增长提供了一定支撑。欧元区央行将如何应对经济风险并支持经济增长值得关注。
发布于:2024-07-08 23:30:28,除非注明,否则均为
原创文章,转载请注明出处。
还没有评论,来说两句吧...