今日新闻!中加国信(00899)发行1.88亿股代价股份 用于收购两家目标公司
![博主:admin](http://fe1ff.8t08.com/skin/yan/picture/0.png)
中加国信(00899)发行1.88亿股代价股份 用于收购两家目标公司
[城市,日期] - 中加国信(00899)今日宣布,根据特别授权发行代价股份1.88亿股,用于收购永亦投资控股有限公司及永名投资控股有限公司。
**本次发行代价股份的总价格为1.88亿港元,每股代价股份的发行价格为1港元。**代价股份将配发给永亦投资控股有限公司及永名投资控股有限公司的股东,作为收购价款的一部分。
**永亦投资控股有限公司主要从事房地产开发业务,永名投资控股有限公司主要从事物业租赁业务。**本次收购完成后,中加国信将能够拓展其房地产开发和物业租赁业务。
中加国信表示,本次收购符合公司战略发展规划,有利于增强公司盈利能力,提升公司整体竞争力。
以下为本次发行代价股份的具体情况:
- 发行代价股份数量:1.88亿股
- 发行价格:每股1港元
- 发行总价款:1.88亿港元
- 用途:收购永亦投资控股有限公司及永名投资控股有限公司
中加国信(00899)简介
中加国信是一家香港注册的控股公司,主要从事房地产开发、物业租赁、酒店管理等业务。公司在香港、内地及东南亚地区拥有多处优质项目。
请注意:
- 本新闻稿仅供参考,不构成任何投资建议。
- 本新闻稿中的信息可能存在误差或遗漏。
- 依据本新闻稿中的信息做出的任何投资决策概不负责。
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。
发布于:2024-07-04 15:27:59,除非注明,否则均为
原创文章,转载请注明出处。
还没有评论,来说两句吧...