韓國今年投資 1253 億韓元用于支持神經(jīng)網(wǎng)絡(luò)處理器開發(fā)，去年增長75%
1月12日消息 據(jù)韓聯(lián)社報道，韓國信息通信技術(shù)部周二表示，韓國今年將投資 1253 億韓元（1.141 億美元）用于支持神經(jīng)網(wǎng)絡(luò)處理器的開發(fā)，這一金額較去年增長了 75%。
韓國科學(xué)和信息通信技術(shù)部表示，神經(jīng)網(wǎng)絡(luò)處理單元是指專門用于人工智能（AI）服務(wù)的高性能和低功耗邏輯芯片。
韓國政府去年在下一代芯片技術(shù)（包括神經(jīng)網(wǎng)絡(luò)處理器在內(nèi)）上押下重注，計劃在 2029 年之前投入 1 萬億韓元用于相關(guān)研發(fā)，意圖在 2030 年前搶占全球 AI 芯片市場 20% 的份額。
今年，韓國信息通信技術(shù)部的目標(biāo)是支持 4 款 AI 芯片的開發(fā)，并幫助培養(yǎng) 270 名該領(lǐng)域的專家。
該部門補充說，今年大部分投資（1084 億韓元）將用于開發(fā)核心技術(shù)，還有 77 億韓元將被用于培育該行業(yè)中有前途的新興企業(yè)。
韓國去年進入了神經(jīng)網(wǎng)絡(luò)芯片的開發(fā)領(lǐng)域，該國最大的移動運營商 SK 電訊發(fā)布了一款用于數(shù)據(jù)中心的 AI 芯片。
責(zé)任編輯：PSY
聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
處理器
+關(guān)注
關(guān)注
68文章
19404瀏覽量
230800 -
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4779瀏覽量
101052 -
韓國
+關(guān)注
關(guān)注
0文章
57瀏覽量
18843
發(fā)布評論請先 登錄
相關(guān)推薦
卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較
在深度學(xué)習(xí)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù)，如圖像識別、自然語言處理和游戲智能等。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常
什么是神經(jīng)網(wǎng)絡(luò)加速器？它有哪些特點？
神經(jīng)網(wǎng)絡(luò)加速器是一種專門設(shè)計用于提高神經(jīng)網(wǎng)絡(luò)計算效率的硬件設(shè)備。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展和廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和計算量急劇增加，
怎么對神經(jīng)網(wǎng)絡(luò)重新訓(xùn)練
重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)是一個復(fù)雜的過程，涉及到多個步驟和考慮因素。 引言 神經(jīng)網(wǎng)絡(luò)是一種強大的機器學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、自然語言處理、語音識別等領(lǐng)域。然而，隨著時間的推移，數(shù)據(jù)分布可
rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)
RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理
遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎
。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時間序列、文本、語音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同
循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
結(jié)構(gòu)。它們在處理不同類型的數(shù)據(jù)和解決不同問題時具有各自的優(yōu)勢和特點。本文將從多個方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹
人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計的處理器。它們具有高性能、低功耗、可擴展等特點，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理
用于自然語言處理的神經(jīng)網(wǎng)絡(luò)有哪些
取得了顯著進展，成為處理自然語言任務(wù)的主要工具。本文將詳細(xì)介紹幾種常用于NLP的神經(jīng)網(wǎng)絡(luò)模型，包括遞歸神經(jīng)網(wǎng)絡(luò)（RNN）、長短時記憶網(wǎng)絡(luò)（L
反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別
神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語音識別、圖像識別、自然語言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問題，如容易陷入局部最優(yōu)解、訓(xùn)練時間長、對初始權(quán)重敏感等。為了解決這些問題，研究者們提出了一些改進的BP
卷積神經(jīng)網(wǎng)絡(luò)的實現(xiàn)原理
、訓(xùn)練過程以及應(yīng)用場景。 卷積神經(jīng)網(wǎng)絡(luò)的基本原理 1.1 卷積操作 卷積神經(jīng)網(wǎng)絡(luò)的核心是卷積操作。卷積操作是一種數(shù)學(xué)運算，用于提取輸入數(shù)據(jù)的特征。在圖像處理中，卷積操作通常
bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎
Network）有相似之處，但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計算模型，它由大量的神經(jīng)元（或稱為節(jié)點）組成，這些神經(jīng)元通過權(quán)重連接在一起
卷積神經(jīng)網(wǎng)絡(luò)的原理與實現(xiàn)
1.卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、視頻分析、自然語言處理等領(lǐng)域。 卷積神經(jīng)網(wǎng)絡(luò)是一種前饋
卷積神經(jīng)網(wǎng)絡(luò)的原理是什么
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡稱CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原
神經(jīng)網(wǎng)絡(luò)架構(gòu)有哪些
神經(jīng)網(wǎng)絡(luò)架構(gòu)是機器學(xué)習(xí)領(lǐng)域中的核心組成部分，它們模仿了生物神經(jīng)網(wǎng)絡(luò)的運作方式，通過復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)實現(xiàn)信息的處理、存儲和傳遞。隨著深度學(xué)習(xí)技術(shù)的不斷發(fā)展，各種
集成芯原神經(jīng)網(wǎng)絡(luò)處理器IP的AI類芯片已在全球范圍出貨超1億顆
2024年2月29日，中國上海——芯原股份 (芯原，股票代碼：688521.SH) 今日宣布集成了芯原神經(jīng)網(wǎng)絡(luò)處理器 (NPU) IP的人工智能 (AI) 類芯片已在全球范圍內(nèi)出貨超過1億顆
工商網(wǎng)監(jiān)
評論