Please use this identifier to cite or link to this item:
http://ri.uaemex.mx/handle20.500.11799/71007
DC Field | Value | Language |
---|---|---|
dc.contributor.author | RIGOBERTO VIZCAYA CARDENAS | en_EU |
dc.contributor.author | JOSE MARTIN FLORES ALBINO | en_EU |
dc.contributor.author | VICTOR MANUEL LANDASSURI MORENO | en_EU |
dc.contributor.author | SAUL LAZCANO SALAS | en_EU |
dc.creator | RIGOBERTO VIZCAYA CARDENAS | - |
dc.creator | JOSE MARTIN FLORES ALBINO | - |
dc.creator | VICTOR MANUEL LANDASSURI MORENO | - |
dc.creator | SAUL LAZCANO SALAS | - |
dc.date | 2017-08-13 | - |
dc.date.accessioned | 2019-01-16T15:26:01Z | - |
dc.date.available | 2019-01-16T15:26:01Z | - |
dc.identifier | http://hdl.handle.net/20.500.11799/71007 | - |
dc.identifier.uri | http://ri.uaemex.mx/handle20.500.11799/71007 | - |
dc.description | 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. | - |
dc.description | CONACYT | - |
dc.language | spa | - |
dc.publisher | Journal CIM | - |
dc.rights | info:eu-repo/semantics/openAccess | - |
dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0 | - |
dc.source | 20078102 | - |
dc.subject | Redes Neuronales | - |
dc.subject | Deep Learning | - |
dc.subject | Clasificación de imágenes | - |
dc.subject | info:eu-repo/classification/cti/7 | - |
dc.title | Desempeño de una Red Neuronal Convolucional para Clasificación de Señales de Tránsito | - |
dc.type | article | - |
dc.audience | students | - |
dc.audience | researchers | - |
item.grantfulltext | none | - |
item.fulltext | No Fulltext | - |
Appears in Collections: | Producción |
Google ScholarTM
Check
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.