بهینه سازی ساختار شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای پیش بینی پارامترهای فرآیند آبگیری به روش اسمزی- فراصوت از کیوی
Publish place: Journal od Food Research، Vol: 33، Issue: 2
Publish Year: 1402
Type: Journal paper
Language: Persian
View: 183
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_FOODRE-33-2_007
Index date: 3 June 2023
بهینه سازی ساختار شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای پیش بینی پارامترهای فرآیند آبگیری به روش اسمزی- فراصوت از کیوی abstract
زمینه مطالعاتی: یکی از مهمترین کاربردهای شبکه های عصبی مصنوعی، طراحی مدلی است که بتوان براساس آن مقدار یک یا چند متغیر وابسته را به کمک متغیرهای مستقل پیش بینی کرد. الگوریتم ژنتیک یکی از روش های بهینه سازی مسائل و مدل ها است که اساس آن بر انتخاب طبیعی و برخی از مفاهیم مهم از علم ژنتیک استوار است. هدف: در این مطالعه از روش الگوریتم ژنتیک- شبکه عصبی مصنوعی برای پیش بینی درصد کاهش وزن، درصد کاهش آب، درصد جذب مواد جامد و درصد آبگیری مجدد برش های کیوی آب گیری شده به روش اسمز-فراصوت استفاده شد. روش کار: ساختار الگوریتم ژنتیک- شبکه عصبی مصنوعی با ۳ ورودی زمان اعمال فراصوت (در هشت زمان ۱۰، ۲۰، ۳۰، ۴۰، ۵۰، ۶۰، ۷۰ و ۸۰ دقیقه)، غلظت محلول ساکارز (در سه سطح ۲۰، ۳۰ و ۴۰ درجه بریکس) و توان فراصوت (در سه سطح ۰، ۷۵ و ۱۵۰ وات)، برای پیش بینی ویژگی های برش های کیوی آبگیری شده، توسعه یافت. نتایج: میانگین درصد کاهش رطوبت برای نمونه شاهد (بدون اعمال فراصوت) ۹۶/۲۱ درصد بود. با افزایش توان فراصوت دستگاه به ۱۵۰ وات، میانگین درصد کاهش رطوبت نمونه ها ۵۱/۲۷ درصد افزایش یافت (۰۵/۰>P). با افزایش غلظت محلول اسمزی از ۲۰ به ۴۰ درصد، میانگین درصد کاهش رطوبت نمونه ها به طور معنی داری از ۵۸/۱۶ درصد به ۳۳/۳۵ درصد افزایش یافت (۰۵/۰>P). مقادیر ضرایب تبیین (r) محاسبه شده برای پیش بینی درصد کاهش وزن، درصد کاهش آب، درصد جذب مواد جامد و درصد آبگیری مجدد برش های کیوی آبگیری شده با استفاده از روش الگوریتم ژنتیک- شبکه عصبی مصنوعی به ترتیب برابر ۹۸۳/۰، ۹۸۹/۰، ۹۹۲/۰ و ۹۷۹/۰ بود. براساس نتایج آزمون آنالیز حساسیت، پارامتر آبگیری مجدد، حساس ترین پارامتر به تغییرات غلظت محلول اسمزی و افزایش زمان اعمال فراصوت بود. نتیجه گیری نهایی: نتایج به دست آمده از این روش نشان می دهد که روش الگوریتم ژنتیک- شبکه عصبی مصنوعی یک راه حل مناسب برای مدل سازی فرآیند آبگیری از کیوی به روش اسمز- فراصوت است.
بهینه سازی ساختار شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای پیش بینی پارامترهای فرآیند آبگیری به روش اسمزی- فراصوت از کیوی Keywords:
بهینه سازی ساختار شبکه عصبی مصنوعی با استفاده از الگوریتم ژنتیک برای پیش بینی پارامترهای فرآیند آبگیری به روش اسمزی- فراصوت از کیوی authors
فخرالدین صالحی
دانشیار گروه علوم و صنایع غذایی، دانشگاه بوعلی سینا، همدان، ایران
رعنا چراغی
دانشجوی کارشناسی ارشد، دانشکده کشاورزی، دانشگاه بوعلی سینا، همدان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :