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。
顺丰同城回应骑手举报小队长吃拿卡要:投诉经核查与事实不符,部分行为不当已被调岗处理
近日,一名西安顺丰同城骑手在网上实名举报小队长“吃拿卡要”,引发广泛关注。 该骑手称,其因拒绝请客吃饭后被小队长停班。
针对此事,顺丰同城于6月12日发布情况说明。 经核查,该骑手反映的情况与事实不符。
顺丰同城表示,经核实,该骑手王某斌确实被要求请客吃饭,但与骑士被停班无关。 骑士被停班另有原因。
据了解,王某斌曾主动提出请客吃饭,队长表示当天是在开玩笑问他啥时间请吃饭,实际并没有要王某斌请吃饭。 据其他骑士证实,截至王某斌被调离,所参加的聚餐都没有让王某斌付过钱。
此外,顺丰同城还表示,经核查,该区域相关负责人接王某斌所服务门店投诉,骑士王某斌部分行为不端正,对门店女员工造成困扰,门店店长要求顺丰同城将此人调离门店,并进行处理,同时提供了该骑士与其的微信聊天记录截图为证。 后由队长对于骑士做调岗处理。
顺丰同城表示,公司高度重视此次事件,已对涉事小队长进行严肃处理。 同时,顺丰同城也将加强平台管理,杜绝类似事件再次发生。
以下是一些可以作为新闻拓展的细节:
- 骑手维权难的现状
- 外卖平台如何规范骑手行为
- 如何保障外卖骑手的合法权益
请注意,以上新闻稿仅供参考,您可以根据需要进行修改和完善。
发布于:2024-07-08 22:20:34,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...