最新报道！亚当·斯科特获美国公开赛参赛资格 穆雷世界排名将保持不变

亚当·斯科特获美国公开赛参赛资格 穆雷世界排名将保持不变

美国哥伦布，2024年6月16日 - 在周一俄亥俄州哥伦布举行的美国公开赛选拔赛延长赛中失利后，澳大利亚球星亚当·斯科特的世界排名从第60位下降，但他仍将获得2024年美国公开赛的参赛资格。

斯科特凭借其职业生涯的成就获得了参赛资格，这包括2013年美国公开赛冠军和八次世界排名第一的经历。尽管他最近状态不佳，但世界排名规则允许一定数量的球员凭借过去的表现获得大满贯赛事的参赛资格。

另一位受到关注的球员是安迪·穆雷，他因伤缺席了今年的温网比赛。由于世界排名规则规定，球员必须在连续两个大满贯赛事中排名下降才能失去参赛资格，因此穆雷的世界排名将保持不变，即使他缺席了美国公开赛。

美国公开赛将于6月19日至25日在纽约州布鲁克林区的翼湖乡村俱乐部举行。

以下是新闻稿的一些补充信息：

• 美国公开赛是四大满贯赛事之一，被认为是高尔夫运动中最具挑战性的赛事之一。
• 斯科特是唯一一位在过去五年内赢得过美国公开赛的澳大利亚球员。
• 穆雷是两届温网冠军和前世界排名第一，但近年来一直受到伤病困扰。

以下是新标题的建议：

• 斯科特获美国公开赛参赛资格 穆雷世界排名保持不变
• 资深球星斯科特将参加美国公开赛 穆雷因伤缺席
• 美国公开赛阵容出炉 斯科特获参赛资格 穆雷排名不变

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。