Resumen

En este artículo se desarrolla una red neuronal de función de base radial (RBFNN) basada en la teoría de Lyapunov para el reconocimiento de señales de tráfico, con el fin de realizar una clasificación de múltiples entradas y múltiples salidas (MIMO). Se inserta una entrada multidimensional en los nodos RBF y estos nodos están vinculados con múltiples pesos. Por lo tanto, se diseña un esquema iterativo de adaptación de pesos con respecto a la teoría de estabilidad de Lyapunov para obtener un conjunto de pesos óptimos. En el diseño, la función de Lyapunov debe ser seleccionada cuidadosamente para construir un espacio de energía con un mínimo global único. Posteriormente, se forma una ganancia de peso para cumplir con la teoría de estabilidad de Lyapunov. El artículo incluye un análisis detallado y una discusión sobre las propiedades de los clasificadores propuestos. Las comparaciones de rendimiento entre el clasificador propuesto y algunas técnicas convencionales existentes se evalúan utilizando patrones de señales de tr

• Materias:Máquina de vectores Marco neuronal híbrido Base de datos Inteligencia neuronal Sintonización de controladores
• Subjects:Vector machine Hybrid neural framework Database Neural intelligence Controller tuning
• Palabras claves:Teoría de Lyapunov; Red neuronal de función de base radial; Reconocimiento de señales de tráfico; Múltiples entradas múltiples salidas; Adaptación de peso; Teoría de estabilidad
• Keywords:Lyapunov theory; Radial basis function neural network; Traffic sign recognition; Multiple inputs multiple outputs; Weight adaptation; Stability theory