韩国今年投资 1253 亿韩元用于支持神经网络处理器开发，去年增长75%
1月12日消息 据韩联社报道，韩国信息通信技术部周二表示，韩国今年将投资 1253 亿韩元（1.141 亿美元）用于支持神经网络处理器的开发，这一金额较去年增长了 75%。
韩国科学和信息通信技术部表示，神经网络处理单元是指专门用于人工智能（AI）服务的高性能和低功耗逻辑芯片。
韩国政府去年在下一代芯片技术（包括神经网络处理器在内）上押下重注，计划在 2029 年之前投入 1 万亿韩元用于相关研发，意图在 2030 年前抢占全球 AI 芯片市场 20% 的份额。
今年，韩国信息通信技术部的目标是支持 4 款 AI 芯片的开发，并帮助培养 270 名该领域的专家。
该部门补充说，今年大部分投资（1084 亿韩元）将用于开发核心技术，还有 77 亿韩元将被用于培育该行业中有前途的新兴企业。
韩国去年进入了神经网络芯片的开发领域，该国最大的移动运营商 SK 电讯发布了一款用于数据中心的 AI 芯片。
责任编辑：PSY
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
处理器
+关注
关注
68文章
20149浏览量
247189 -
神经网络
+关注
关注
42文章
4827浏览量
106799 -
韩国
+关注
关注
0文章
58浏览量
18932
发布评论请先 登录
相关推荐
热点推荐
NMSIS神经网络库使用介绍
NMSIS NN 软件库是一组高效的神经网络内核，旨在最大限度地提高 Nuclei N 处理器内核上的神经网络的性能并最大限度地减少其内存占用。
该库分为多个功能，每个功能涵盖特定类别
发表于 10-29 06:08
在Ubuntu20.04系统中训练神经网络模型的一些经验
本帖欲分享在Ubuntu20.04系统中训练神经网络模型的一些经验。我们采用jupyter notebook作为开发IDE，以TensorFlow2为训练框架，目标是训练一个手写数字识别的神经网络
发表于 10-22 07:03
CICC2033神经网络部署相关操作
在完成神经网络量化后，需要将神经网络部署到硬件加速器上。首先需要将所有权重数据以及输入数据导入到存储器内。
在仿真环境下，可将其存于一个文件，并在 Verilog 代码中通过 read
发表于 10-20 08:00
液态神经网络（LNN）：时间连续性与动态适应性的神经网络
神经元，但却能产生复杂的行为。受此启发，与传统的神经网络相比，LNN旨在通过模拟大脑中神经元之间的动态连接来处理信息，这种网络能够顺序
神经网络的并行计算与加速技术
问题。因此，并行计算与加速技术在神经网络研究和应用中变得至关重要，它们能够显著提升神经网络的性能和效率，满足实际应用中对快速响应和大规模数据处理的需求。神经网络并行
神经网络RAS在异步电机转速估计中的仿真研究
众多方法中，由于其结构简单，稳定性好广泛受到人们的重视，且已被用于产品开发。但是MRAS仍存在在低速区速度估计精度下降和对电动机参数变化非常敏感的问题。本文利用神经网络的特点，使估计更为简单、快速
发表于 06-16 21:54
BP神经网络与卷积神经网络的比较
多层。 每一层都由若干个神经元构成，神经元之间通过权重连接。信号在神经网络中是前向传播的，而误差是反向传播的。 卷积神经网络（CNN） ： CNN主要由卷积层、池化层和全连接层组成。
BP神经网络的优缺点分析
BP神经网络（Back Propagation Neural Network）作为一种常用的机器学习模型，具有显著的优点，同时也存在一些不容忽视的缺点。以下是对BP神经网络优缺点的分析： 优点
什么是BP神经网络的反向传播算法
BP神经网络的反向传播算法（Backpropagation Algorithm）是一种用于训练神经网络的有效方法。以下是关于BP神经网络的反向传播算法的介绍： 一、基本概念 反向传播算
BP神经网络与深度学习的关系
），是一种多层前馈神经网络，它通过反向传播算法进行训练。BP神经网络由输入层、一个或多个隐藏层和输出层组成，通过逐层递减的方式调整网络权重，目的是最小化网络的输出误差。 二、深度学习的
BP神经网络的基本原理
输入层、隐藏层和输出层组成。其中，输入层负责接收外部输入数据，这些数据随后被传递到隐藏层。隐藏层是BP神经网络的核心部分，它可以通过一层或多层神经元对输入数据进行加权求和，并通过非线性激活函数（如ReLU、sigmoid或tanh）进行
BP神经网络在图像识别中的应用
BP神经网络在图像识别中发挥着重要作用，其多层结构使得网络能够学习到复杂的特征表达，适用于处理非线性问题。以下是对BP神经网络在图像识别中应
深度学习入门：简单神经网络的构建与实现
深度学习中，神经网络是核心模型。今天我们用 Python 和 NumPy 构建一个简单的神经网络。 神经网络由多个神经元组成，神经元之间通过
人工神经网络的原理和多种神经网络架构方法
在上一篇文章中，我们介绍了传统机器学习的基础知识和多种算法。在本文中，我们会介绍人工神经网络的原理和多种神经网络架构方法，供各位老师选择。 01 人工神经网络 人工神经网络模型之所
工商网监
评论