Título

Desempeño de una Red Neuronal Convolucional para Clasificación de Señales de Tránsito

Autor

RIGOBERTO VIZCAYA CARDENAS

JOSE MARTIN FLORES ALBINO

VICTOR MANUEL LANDASSURI MORENO

SAUL LAZCANO SALAS

Nivel de Acceso

Acceso Abierto

Licencia

http://creativecommons.org/licenses/by-nc-nd/4.0

Materias

Redes Neuronales - ([20078102]) Deep Learning - ([20078102]) Clasificación de imágenes - ([20078102]) INGENIERÍA Y TECNOLOGÍA - (CTI)

Resumen o descripción

El paradigma del Deep Learnig, o Aprendizaje Profundo, se ha beneficiado del incremento de información de la actualidad, así como del notable avance de las Redes Neuronales Convolucionales o CNN’s. En los últimos cinco años, las CNN’s han estado al frente en aplicaciones de reconocimientos de patrones usando imágenes o video, debido a las ventajas que tienen en comparación con otras técnicas; incluso, en algunos casos, llegando a superar la capacidad humana, como se muestra en el trabajo de Graham [2015]. En el presente trabajo se emplean señales de tránsito empleadas en México, para investigar el tiempo de entrenamiento y error de clasificación (desempeño) de una CNN de dos capas de convolución, el entrenamiento y prueba se llevada cabo en un CPU.

CONACYT

Editor

Journal CIM

Fecha de publicación

13 de agosto de 2017

Tipo de publicación

Artículo

Recurso de información

http://hdl.handle.net/20.500.11799/71007

Fuente

20078102

Idioma

Español

Audiencia

Estudiantes

Investigadores

Repositorio Orígen

REPOSITORIO INSTITUCIONAL DE LA UAEM

Descargas

498