دوره 18، شماره 115 - ( 1400 )                   جلد 18 شماره 115 صفحات 257-247 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Bagheri Z, Motamedzadegan A, Khanbabaie R, Farhadi A. Foam Mat Drying of Ricotta Cheese and Predicting its Characteristics with Artificial Neural Network Model. FSCT 2021; 18 (115) :247-257
URL: http://fsct.modares.ac.ir/article-7-48219-fa.html
باقری زهرا، معتمدزادگان علی، خان بابائی رضا، فرهادی ایوب. خشک کردن کف‌پوشی پنیر ریکوتا و پیش‌بینی ویژگی‌های آن با مدل شبکه عصبی مصنوعی. مجله علوم و صنایع غذایی ایران. 1400; 18 (115) :247-257

URL: http://fsct.modares.ac.ir/article-7-48219-fa.html


1- کارشناس ارشد صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری
2- عضو هیئت علمی گروه صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری ، amotgan@yahoo.com
3- استادیار گروه فیزیک دانشگاه صنعتی نوشیروانی بابل
4- دانشیار گروه علوم دامی دانشگاه علوم کشاورزی و منابع طبیعی ساری
چکیده:   (1294 مشاهده)
شبکه‌های عصبی مصنوعی مجموعه‌ای از معادلات غیرخطی هستند که توانایی برای خود سازگاری دارد تا ارتباطات غیرخطی پیچیده بین متغیرهای ورودی و خروجی را برقرار کنند. از مدل‌سازی شبکه عصبی مصنوعی برای پیشگوئی جهت تهیه پودر پنیر ریکوتا با کیفیت مطلوب استفاده شد. در این پژوهش، شبکه عصبی مصنوعی 4 کلاسه با مدل پرسپترون چندلایه برای پیشبینی داده‌های کف و پودر پنیر ریکوتا که به روش خشک کردن کف‌پوشی تهیه شدند، مورد استفاده قرار گرفت. این مدل‌سازی با روش شناسایی الگو و با استفاده از الگوریتم یادگیری ماشین انجام شد. شناسایی الگو، توانایی تشخیص ترتیب خصوصیات یا داده‌هایی است که اطلاعات مربوط به سیستم یا مجموعه داده‌ها را می‌دهد. مدل مورد استفاده برای این پژوهش دارای 10 نرون در لایه پنهان بود. 4 نسبت متفاوت شیر و آب‌پنیر (تیمارها) به عنوان ورودی و دانسیته کف، دانسیته پودر، هیگروسکوپی، فعالیت آبی، جذب آب و جذب روغن به عنوان خروجی‌های مدل در نظر گرفته شدند. در این مدل 70 درصد از داده‌ها برای آموزش، 15 درصد برای آزمایش و 15 درصد از داده‌ها برای اعتبارسنجی مورد استفاده قرار گرفت. بهترین عملکرد اعتبارسنجی در دوره 20 رخ داد. نتایج نهایی نشان داد که مدل مورد استفاده با دقت 8/94 درصد توانست داده‌های مربوط به هر کلاس را به درستی پیش‌بینی نماید.
متن کامل [PDF 570 kb]   (544 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: آمار،مدل سازی و سطح پاسخ در صنایع غذایی
دریافت: 1399/9/18 | پذیرش: 1399/12/2 | انتشار: 1400/6/15

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.