特讯热点！招商港口集装箱吞吐量持续增长，5月同比增9.4%

招商港口集装箱吞吐量持续增长，5月同比增9.4%

上海，2024年6月19日 - 招商港口（001872.SZ）今日发布公告，公司5月集装箱总吞吐量达1684.7万TEU，同比增长9.4%，展现出强劲的发展势头。这得益于公司持续优化港口布局，提升运营效率，以及全球经济稳步复苏带来的海运需求增长。

细分业务表现亮眼

招商港口五大港区集装箱吞吐量均实现同比增长，其中深圳港区、青岛港区、烟台港区、锦州港区和天津港区分别增长了11.8%、11.5%、10.3%、8.8%和7.5%。此外，公司海外港口集装箱吞吐量亦保持增长态势，同比增长4.2%。

散货业务有所下降

与集装箱业务形成对比的是，招商港口5月散货吞吐量为10591.7万吨，同比下降3.6%。这主要受国内煤炭、铁矿石等大宗商品进口量下降的影响。

未来展望

展望未来，招商港口表示，将继续聚焦主业发展，加快推进码头自动化、智能化建设，不断提升港口服务质量和效率，为股东创造更大价值。

分析

招商港口5月集装箱吞吐量的强劲增长，反映出公司在全球海运市场中的竞争力不断增强。随着全球经济持续复苏，以及公司自身运营效率的提升，招商港口未来发展前景值得看好。

以下是一些可以添加到新闻中的其他信息：

• 招商港口是全球领先的港口运营商之一，在全球拥有数十个港口。
• 公司业务范围涵盖集装箱、散货、油气、邮轮等多个领域。
• 招商港口一直致力于为客户提供优质的服务，并不断创新发展。

此外，您还可以根据自己的需要对新闻进行进一步的加工和修改。

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。