دوره 13، شماره 53 - ( 1395 )                   جلد 13 شماره 53 صفحات 45-33 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Tabataba i Yazdi F, Alghuneh A, Ali Zadeh B, Vasi i A R. The use of ANN-GA and Neuro fuzzy for modeling the population dynamics of bacterial (Escherichia coli ATTC 29998) in the frankfurter sausage containing of Redcurrant extract. FSCT. 2015; 13 (53) :33-45
URL: http://fsct.modares.ac.ir/article-7-8959-fa.html
طباطبایی یزدی فریده، الغونه علی، علیزاده بهبهانی بهروز، وسیعی علیرضا. استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات. مجله علوم و صنایع غذایی ایران. 1395; 13 (53) :45-33

URL: http://fsct.modares.ac.ir/article-7-8959-fa.html


1- دانشیار و عضو هئیت علمی گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
2- دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
چکیده:   (5900 مشاهده)
چکیده هدف از این پژوهش، بررسی تاثیر پارامتر‌های زمان، نوع عصاره، غلظت عصاره و دمای محیط بر دینامیک جمعیت باکتری اشرشیا کلی در یک سیستم کمپکلس غذایی (سوسیس فرانکفورتر) و مدل سازی آن به وسیله ژنتیک الگوریتم- شبکه عصبی مصنوعی و سیستم‌های نورو فازی ((CANFIS می‌باشد. در این پژوهش، از روش رقت سازی در چاهک برای تعیین حداقل غلظت مهار کنندگی (MIC) و حداقل غلظت کشندگی (MBC) عصاره های آبی و اتانولی قره قات استفاده شد. مدل ژنتیک الگوریتم- شبکه عصبی و سیستم نوروفازی ((CANFIS دارای چهار ورودی شامل، غلظت در پنج سطح (صفر، 2000، 4000، 6000، 8000 ppm)، نوع عصاره (آبی، اتانولی)، دما در سه سطح (5، 15 و 25 درجه سانتی گراد)، و زمان (صفر تا 20روز) بود. نتایج نشان داد شبکه عصبی با یک لایه مخفی، 10 نورون در لایه مخفی، تابع فعال سازی از نوع تانژانت هیپربولیک، قاعده یادگیری مومنتوم، درصد داده‌های 30، 30، 40 به ترتیب برای آموزش، ارزیابی و آزمون برای پیش بینی دینامیک جمعیت باکتری اشرشیای کلی به کار رود‌(995/0 =R2). همچنین همبستگی بسیار مناسبی بین پیش بینی های سیستم نوروفازی و داده های تجربی وجود داشت(96/0 =R2).  لازم به ذکر است که در این پژوهش سیستم ژنتیک الگوریتم- شبکه عصبی به شیوه مناسب تری قادر به پیش بینی دینامیک جمعیت باکتری اشرشیا کلی بود.
متن کامل [PDF 365 kb]   (1953 دریافت)    

دریافت: 1394/2/12 | پذیرش: 1394/8/12 | انتشار: 1395/4/1

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

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