深度解读！Kep1er第三张日文单曲《Grand Prix》即将登场 11月强势回归日本乐坛

Kep1er第三张日文单曲《Grand Prix》即将登场 11月强势回归日本乐坛

东京 - 2024年6月14日 - 韩国女子偶像团体Kep1er即将发行第三张日文单曲《Grand Prix》，并于11月在日本展开回归活动。这是继2022年8月发行第二张日文单曲《FLY-HIGH》之后，Kep1er时隔一年多再次在日本发售新作品。

据悉，新单曲《Grand Prix》将延续Kep1er一贯的少女活力风格，主打歌同名，是一首充满能量和动感的歌曲，展现了成员们积极向上、勇往直前的精神面貌。单曲还将收录日文原創歌曲《Sugar》等其他曲目，为歌迷们带来更加丰富多元的音乐体验。

Kep1er由崔有真、沈小婷、坂本舞白、金采炫、金多娟、江崎光、休宁巴伊叶、徐永恩、姜睿序九位成员组成，是韩国Mnet选秀节目《Girls Planet 999》中选出的限定女团。出道以来，Kep1er凭借着亮丽的外形、出色的唱跳实力以及积极阳光的形象，迅速在全球范围内收获了超高人气。

在日本，Kep1er也拥有着众多忠实的粉丝。此前，她们曾多次在日本举办演唱会和粉丝见面会，并取得了巨大的成功。此次时隔一年多再度回归日本，Kep1er也表达了对日本粉丝的感谢，并表示期待能够再次与大家见面。

Kep1er的第三张日文单曲《Grand Prix》将于11月在日本发售。届时，Kep1er还将展开大规模的回归宣传活动，包括电视节目、电台节目以及演唱会等，与日本粉丝们近距离互动。

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。