این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
علوم و صنایع غذایی ایران، جلد ۱۸، شماره ۱۱۵، صفحات ۲۴۷-۲۵۷
عنوان فارسی خشک کردن کف‌پوشی پنیر ریکوتا و پیش‌بینی ویژگی‌های آن با مدل شبکه عصبی مصنوعی
چکیده فارسی مقاله 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.
کلیدواژه‌های فارسی مقاله ،خشک کردن کف‌پوشی،ریکوتا،شبکه عصبی مصنوعی،شناسایی الگو،مدل‌سازی
عنوان انگلیسی Foam Mat Drying of Ricotta Cheese and Predicting its Characteristics with Artificial Neural Network Model
چکیده انگلیسی مقاله Artificial neural networks are a set of nonlinear equations that have the ability to adapt to establish complex nonlinear relationships between input and output variables. Artificial neural network modeling was used to predict the production of Ricotta cheese powder with the desired quality. In this study, a 4-class artificial neural network with a multilayer perceptron model was used to predict foam and Ricotta cheese powder data prepared by foam mat drying. This modeling was performed by pattern recognition method and using machine learning algorithm. Pattern recognition is the ability to recognize the order of properties or data that gives information about a system or data set. The model used for this study had 10 neurons in the hidden layer. 4 different ratios of milk and whey (treatments) were considered as input and foam density, powder density, hygroscopy, water activity, water absorption and oil absorption as model outputs. In this model, 70% of the data were used for training, 15% for testing and 15% of the data for validation. The best validation performance occurred in the 20th period. The final results showed that the model used was able to accurately predict the data related to each class with 94.8% accuracy.
کلیدواژه‌های انگلیسی مقاله Artificial Neural Network,Foam Mat Drying,Modeling,Pattern Recognition,Ricotta
نویسندگان مقاله زهرا باقری | Zahra Bagheri
Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University
کارشناس ارشد صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری

علی معتمدزادگان | Ali Motamedzadegan
Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University
عضو هیئت علمی گروه صنایع غذایی دانشگاه علوم کشاورزی و منابع طبیعی ساری

رضا خان بابائی | Reza Khanbabaie
Department of Physics, Babol Noushirovani University of Technology
استادیار گروه فیزیک دانشگاه صنعتی نوشیروانی بابل

ایوب فرهادی | Ayoub Farhadi
Department of Animal Sciences, Sari Agricultural Sciences and Natural Resources University
دانشیار گروه علوم دامی دانشگاه علوم کشاورزی و منابع طبیعی ساری

نشانی اینترنتی http://fsct.modares.ac.ir/browse.php?a_code=A-10-15307-11&slc_lang=fa&sid=7
فایل مقاله فایلی برای مقاله ذخیره نشده است
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