این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۳، شماره ۵۱، صفحات ۲۰۵-۲۱۲
عنوان فارسی مدل‌سازی الگوریتم ژنتیک - شبکه عصبی مصنوعی جهت پیش‌گویی اثر ضدباکتریایی رنگ آناتو بر جمعیت اشریشیا کلای
چکیده فارسی مقاله چکیده هدف از این مطالعه بکارگیری مدل­سازی الگوریتم ژنتیک-شبکه عصبی مصنوعی به منظور پیش­گویی اثر ضدباکتریایی رنگ آناتو موجود در سس مایونز بر جمعیتاشریشیا کلای 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 اشریشیا کلای 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 اشریشیا کلای (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 جمعیتاشریشیا کلای نشان داد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Genetic Algorithm– Artificial Neural Network Modeling for Prediction the Antibacterial effect of Annatto Dye on Escherichia coli
چکیده انگلیسی مقاله The goal of this study was applying the genetic algorithm–artificial neural network (GA-ANN) modeling to predict the antibacterial effect of annatto dye on Escherichia coli population in mayonnaise. Annatto has antimicrobial and antioxidant properties in foods. Annatto dye was extracted and after filtration and concentration, was dried by vacuum oven. In this study, sauce samples containing 0, 0.1, 0.2 and 0.4 percent of annatto dye were prepared and stored at 4 and 25 ˚C. Sampling and colony counting were performed during 17 days and in triplicate. In order to predict the Escherichia coli population multi-layer perceptron neural network with 3 inputs and 1 output were used. Genetic algorithm method was used to optimization number of neurons in ANN hidden layer. The results showed a network with 7 neurons in hidden layer and using a Sigmoid tangent transfer function and the Levenberg–Marquardt (LM) optimization technique and 30%-20%-50% for training/ testing/ validating process can be well predict the Escherichia coli population (r=0.999) in the presence of annatto dye. Sensitivity analysis results by optimum ANN showed the storage time as the most factor for the predicting the Escherichia coli population.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمود یلمه |
دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی گرگان

محمدباقر حبیبی نجفی | mohammad bagher habibi najafi
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
سازمان اصلی تایید شده: دانشگاه علوم کشاورزی و منابع طبیعی گرگان

نشانی اینترنتی http://fsct.modares.ac.ir/article_12608_b855c9f1429d94aa0a1070e3c55258a8.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/969/article-969-198259.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