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。

莫里纳利惊险一杆进洞 美国公开赛压线晋级

（新浪体育讯） 美国公开赛第三轮战罢，意大利球员弗朗切斯科·莫里纳利（Francesco Molinari）上演惊险一杆进洞，以低于标准杆1杆的成绩压线晋级决赛轮。

莫里纳利在第三轮比赛中经历了大起大落，前13个洞抓到4只小鸟，但也吞下3个柏忌，以低于标准杆1杆的成绩进入后九洞。后九洞，莫里纳利在第14洞和第16洞连续抓鸟，一度将总成绩提升至低于标准杆3杆。然而，他在第17洞和第18洞连续吞下柏忌，总成绩回落至低于标准杆1杆。

在最后一洞，莫里纳利面对180码、三杆洞的保帕三杆洞，第二杆将球送到果岭边沿，距离洞杯仅剩3英尺。他抓住这至关重要的一杆进洞，以惊险的方式保住了晋级决赛轮的希望。

莫里纳利是2018年英国公开赛冠军，也是2019年莱德杯欧洲队队长。他本赛季状态出色，在美巡赛上已经取得3次前十名完场，包括休斯敦公开赛T2和本田经典赛T5。

莫里纳利在晋级决赛轮后表示：“我很高兴能够晋级决赛轮。我知道我需要在最后一洞抓鸟才能晋级，所以我全力以赴，幸运地抓到了它。我很期待明天的比赛，我会尽力争取最好的成绩。”

莫里纳利将在决赛轮中与卫冕冠军布鲁克斯·科普卡（Brooks Koepka）、罗里·麦克罗伊（Rory McIlroy）和贾斯汀·托马斯（Justin Thomas）等一众顶尖球星争夺冠军。