این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۳، شماره ۵۳، صفحات ۳۳-۴۵
عنوان فارسی استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی ۲۹۹۹۸ ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی 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
چکیده انگلیسی مقاله The purpose of this study was to evaluate the effect of time, kind of extract, extract concentration and temperature on the dynamically the population of Escherichia coli (infectious agents) in the complex food system (frankfurter sausage) and Genetic Algorithm - Artificial neural network and neuro fuzzy system (CANFIS) were used for dynamic modeling of population of E.coli. At this research laboratory, Minimum Inhibitory Concentration (MIC (and Minimum Bactericidal Concentration (MBC) of aqueous and ethanolic extracts were studied using the micro broth dilution method. GA- ANN, neuro fuzzy (CANFIS) were fed with four inputs: concentration at the five level (0, 2000, 4000, 6000, 8000 ppm), kind of extract ( watery, ethanol), temperature at the three level (5,15, 25 ̊С) and time (1-20). The results showed that the ANN with 1 hidden layer comprising 10 neurons, Tangent hyperbolic function, momentum training rule and percent of used data 30/30/40 for training/cross validation/testing respectively gives the best fitting with the experimental data, which made it possible to predict with high determination coefficient (R2 equal to 0.995). Also the correlation between CANFIS predictions and experimental data was very good (R2 equal to 0.96). It's worth to mention that in this research GA- ANN was better approach to simulation dynamically the population of E.coli.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله فریده طباطبایی یزدی | tabatabaei yazdi
دانشیار و عضو هئیت علمی گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

علی الغونه | الغونه
دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

بهروز علیزاده بهبهانی | alizadeh behbahani
دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

علیرضا وسیعی |
دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

نشانی اینترنتی http://fsct.modares.ac.ir/article_12861_d7f5f5845617406d2537eb7320509354.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198213.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات