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。

印度智能手表市场首次陷于停滞：2024年第一季度同比增长仅0.3%

2024年6月18日 - 根据市场研究机构Counterpoint Research最新发布的报告，印度智能手表市场在2024年第一季度首次出现停滞，同比增长仅0.3%。该季度出货量为350万台，与2023年同期基本持平。

这一增长停滞主要归因于多个因素，包括经济疲软、消费者信心下降以及来自智能手机和平板电脑等其他设备的竞争加剧。此外，由于全球供应链中断和芯片短缺，智能手表的平均售价有所上升，这也影响了销量。

尽管市场整体表现低迷，但一些品牌仍表现出强劲增长势头。例如，Noise凭借其价格实惠的智能手表继续保持市场领先地位，其出货量同比增长24%。此外，Amazfit和OnePlus等品牌也取得了强劲增长。

展望未来，Counterpoint Research预计印度智能手表市场将在未来几年内继续增长，但增速将有所放缓。预计到2028年，该市场出货量将达到1200万台。增长将主要由可穿戴设备普及率的提高、新功能的推出以及价格下降所推动。

以下是一些可能影响印度智能手表市场未来发展的关键因素:

• 可穿戴设备普及率的提高：随着智能手机和平板电脑的普及，消费者对可穿戴设备的接受度不断提高。预计这一趋势将继续下去，推动智能手表市场增长。
• 新功能的推出：智能手表制造商不断推出新功能，例如血氧监测、血压监测和ECG。这些新功能将吸引更多消费者购买智能手表。
• 价格下降：随着技术的进步和竞争的加剧，智能手表的价格预计将继续下降，这将使其更具吸引力。

总体而言，印度智能手表市场前景光明，但增速将有所放缓。随着可穿戴设备普及率的提高、新功能的推出以及价格下降，预计该市场将在未来几年内继续增长。