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。

美国消费者信心指数意外下滑：高通胀侵蚀信心，经济前景蒙上阴影

北京 - 美国密歇根大学最新公布的6月初消费者信心指数意外下跌至65.6，创下七个月新低，显示美国消费者信心正遭受高通胀的侵蚀，对经济前景感到担忧。

这一数据低于市场预期67.2，也显著低于5月的72.3。

信心指数下滑的主要原因是消费者对未来经济状况的担忧加剧。 6月初，密歇根大学消费者预期指数降至59.4，5月份为65.2。

消费者对当前经济状况的评估也略微恶化。 6月初，密歇根大学消费者现状指数从5月的73.2小幅下降至72.7。

分析人士指出，高通胀是导致消费者信心下滑的主要原因。 今年以来，美国通胀率持续飙升，5月份达到8.6%，创下40年新高。高通胀侵蚀了消费者购买力，导致他们对未来经济状况感到担忧。

此外，美联储加息也打击了消费者信心。 美联储为了抑制通胀，今年以来已经多次加息，未来还将继续加息。加息会导致借贷成本上升，消费者支出将受到抑制。

消费者信心指数下滑表明，美国经济面临着下行风险。 随着美联储加息步伐加快，高通胀持续，美国经济可能会在今年下半年出现放缓甚至衰退。

以下是一些可能对美国经济产生影响的因素:

• 俄乌冲突的持续发展
• 全球供应链瓶颈的缓解情况
• 美联储的加息政策
• 中国经济增长的速度

这些因素都可能会对消费者信心造成进一步的影响，进而影响美国经济的走势。

此外，还需要关注以下一些指标:

• 零售销售额
• 失业率
• 工资增长率
• 企业盈利状况

这些指标能够反映美国经济的运行情况，有助于投资者和分析人士判断经济未来的走向。