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。

银行股盘中跳水 交通银行跌幅居前

北京 - 6月13日，A股市场银行板块盘中跳水，截至13点01分，银行概念整体指数下跌1.02%，报1126.980点。从个股上看，该概念的成分股中，交通银行跌幅0.56%，居前。

分析人士认为，银行股跳水的主要原因有以下几点：

• 一是央行近日发布的5月份金融数据显示，信贷增速继续回落，这反映出经济下行压力依然较大，对银行股的盈利能力形成压制。
• 二是近期监管部门对银行理财产品进行了整顿，这导致部分银行理财产品收益下降，也对银行股的估值造成了一定影响。
• 三是A股市场近期震荡加剧，投资者风险偏好下降，也导致银行股受到抛售压力。

具体来看，交通银行当日下跌0.56%，报5.02元。从盘面看，交通银行全天成交较为清淡，换手率0.87%。K线图显示，交通银行股价近期呈现震荡下行的态势，自5月31日以来累计下跌6.23%。

**有分析人士表示，交通银行股价近期下跌，一方面是受到A股市场整体环境的影响，另一方面也与自身基本面因素有关。**交通银行的盈利能力近年来有所下降，不良贷款率也有所上升，这些因素都对投资者情绪造成了负面影响。

未来，交通银行股价的走势将如何，还需要密切关注银行板块的整体表现以及经济形势的变化。