انجمن علوم و صنایع غذایی ایران ناشر: دانشگاه تربیت مدرس مجله علوم و صنایع غذایی ایران 2008-8787 13 51 2016 04 20 مدل‌سازی الگوریتم ژنتیک - شبکه عصبی مصنوعی جهت پیش‌گویی اثر ضدباکتریایی رنگ آناتو بر جمعیت اشریشیا کلای 205 212 24865 FA محمود یلمه دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان محمدباقر حبیبی نجفی اﺳﺘﺎد ﮔﺮوه ﻋﻠﻮم و ﺻﻨﺎﻳﻊ ﻏﺬاﻳﻲ، داﻧﺸﻜﺪه ﻛﺸﺎورزی، داﻧﺸﮕﺎه فردوسی مشهد فخرالدین صالحی دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان Journal Article چکیده هدف از این مطالعه بکارگیری مدل­سازی الگوریتم ژنتیک-شبکه عصبی مصنوعی به منظور پیش­گویی اثر ضدباکتریایی رنگ آناتو موجود در سس مایونز بر جمعیت<em>اشریشیا کلای </em>می باشد. آناتو در مواد غذایی دارای فعالیت ضدمیکروبی و آنتی­اکسیدانی می باشد. رنگ آناتو استخراج و پس از فیلتراسیون و تغلیظ، با آون تحت خلا خشک گردید. در این مطالعه نمونه­های سس حاوی 0، 1/0، 2/0 و 4/0 درصد رنگ آناتو تهیه و در دو دمای 4 و 25 درجه سانتی­گراد نگهداری شد. نمونه برداری و شمارش کلنی­ها در طی 17 روز و در سه تکرار انجام گرفت. به منظور پیش­گویی جمعیت<em> اشریشیا کلای </em>از شبکه عصبی پرسپترون چند لایه پیشخور با 3 ورودی و 1 خروجی استفاده شد. همچنین از روش الگوریتم ژنتیک جهت بهینه­سازی تعداد نرون­ها در لایه مخفی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد شبکه­ای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعال­سازی سیگموئیدی و درصد داده­های مورد استفاده برای تربیت/ آزمون / ارزیابی برابر 30/20/50 می­توان به خوبی جمعیت <em> </em><em>اشریشیا کلای </em>(999/0r=) در حضور رنگ آناتو را پیش­گویی نمود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه، مدت زمان نگهداری را به عنوان موثرترین عامل در پیش­گویی جمعیت<em>اشریشیا کلای</em> نشان داد. https://fsct.modares.ac.ir/article_24865_a0712a11b59d69eb0d347b2465cc7247.pdf