Resumen

En este artculo se desarrolla una red neuronal de funciones de base radial (RBFNN) basada en la teora de Lyapunov para el reconocimiento de seales de trfico, con el fin de realizar una clasificacin de mltiples entradas y mltiples salidas (MIMO). Se introduce una entrada multidimensional en los nodos RBF y estos nodos estn conectados con mltiples pesos. Se disea un esquema iterativo de adaptacin de pesos con respecto a la teora de estabilidad de Lyapunov para obtener un conjunto de pesos ptimos. En el diseo, la funcin de Lyapunov debe ser seleccionada cuidadosamente para construir un espacio de energa con un nico mnimo global. Posteriormente, se forma un aumento de peso para cumplir con la teora de estabilidad de Lyapunov. El artculo incluye un anlisis detallado y una discusin sobre las propiedades de los clasificadores propuestos. Se evalan las comparaciones de rendimiento entre el clasificador propuesto y algunas tcnicas convencionales existentes utilizando patrones de seales de trfico. Los resultados de la simul

• 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