مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART)

hoda fahim; Ali Motamedzadegan; Reza Farahmandfara; Nader Ghaffari Khaligh

مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART)

Publish place: Journal of food science and technology (Iran)، Vol: 20، Issue: 136

Publish Year: 1402

Type: Journal paper

Language: Persian

This Paper With 13 Page And PDF Format Ready To Download

DOWNLOAD Paper

Certificate
I'm the author of the paper

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

https://civilica.com/doc/1825398

Document National Code:

JR_FSCT-20-136_004

Index date: 21 November 2023

مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART) abstract

پایداری کورکومین و راندمان انکپسولاسیون آن در امولسیون از جمله مهمترین فاکتورهای تعیین کننده زیست دسترس پذیری و جذب آن در بدن است. به این منظور در پژوهش حاضر پارامترهای موثر بر این دو فاکتور شامل زمان، pH و غلظت سلولز به عنوان متغیرهای ورودی و پایداری کورکومین و راندمان انکپسولاسیون به عنوان متغیر پاسخ در شبکه عصبی مصنوعی و الگوریتم درخت تصمیم استفاده شد. در این راستا نانوکریستال سلولز حاصل از هیدرولیز اسیدی برای تهیه پیکرینگ امولسیون کورکومین با نسبت روغن:آب ۹۵:۵ و غلظت سلولز ۱، ۵/۱، ۲، ۵/۲، و ۳ درصد وزنی/حجمی استفاده شد و راندمان انکپسولاسیون روغن حاوی کورکومین و پایداری آن در طول ۸ روز اندازه گیری شد. نتایج نشان داد که با افزایش غلظت سلولز راندمان انکپسولاسیون به صورت معنی داری افزایش یافته و همچنین راندمان انکپسولاسیون در pH ۷ بالاتر از pH ۲ بود (۰۵/۰p≤). کورکومین موجود در امولسیون های تهیه شده در pH ۲ در طول نگهداری به شدت کاهش یافت این درحالی بود که میزان کورکومین موجود در امولسیون های با pH ۷ در طول ۸ روز نگهداری به خوبی پایدار بود. مدل سازی برای دو پارامتر پایداری کورکومین و راندمان انکپسولاسیون با آماره های R۲ و RMSE% به ترتیب نشان داد ۱-۶- ۳ MLP (۰۰/۱۰RMSE%= و ۹۹/۰ R۲=) و ۱-۶-۲ RBF (۹۹/۹RMSE%= و ۹۹/۰ R۲=) دارای دقت بالاتری است. در نهایت نتایج نشان داد استفاده از الگوریتم شبکه عصبی مصنوعی نسبت به درخت تصمیم برای پیشبینی این دو پارامتر عملکرد بهتری داشت.

مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART) Keywords:

Artificial neural network (ANN) , Cellulose , Classification and regression tree (CART) , Curcumin , Decision tree , Pickering emulsion , پیکرینگ امولسیون , درخت تصمیم , سلولز , شبکه عصبی مصنوعی , کورکومین

مدل سازی راندمان انکپسولاسیون و پایداری کورکومین موجود در پیکرینگ امولسیون سلولز با استفاده از الگوریتم های شبکه عصبی مصنوعی (ANN) و درخت طبقه بندی و رگرسیون (CART) authors

hoda fahim

PhD student, Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University, Sari, Mazandaran, Iran

Ali Motamedzadegan

professor, department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University

Reza Farahmandfara

Department of Food Science and Technology, Sari Agricultural Sciences and Natural Resources University, Sari, Mazandaran

Nader Ghaffari Khaligh

Nanotechnology and Catalysis Research Center, Institute for Advanced Studies (IAS), University of Malaya, Kuala Lumpur, Malaysia

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 :

Berton-Carabin, C.C. and K. Schroën, Pickering emulsions for food applications: ...

Yu, J., M. Ahmedna, and I. Goktepe, Peanut protein concentrate: ...

Capron, I. and B. Cathala, Surfactant-free high internal phase emulsions ...

Miao, C., M.-N. Mirvakili, and W.Y. Hamad, A rheological investigation ...

Torlopov, M.A., et al., Pickering emulsions stabilized by partially acetylated ...

Tagde, P., et al., The multifaceted role of curcumin in ...

Saffarionpour, S. and L.L. Diosady, Curcumin, a potent therapeutic nutraceutical ...

Li, Z., et al., The use of bacterial cellulose from ...

Fallah, A., et al., Modeling the commercial volume of pure ...

Alehosseini, E., S.M. Jafari, and H. Shahiri Tabarestani, Evaluating the ...

Mohebbi, M., M. Fathi, and F. Shahidi, Genetic algorithm–artificial neural ...

Cardoso-Daodu, I.M., et al., Artificial neural network for optimizing the ...

Pirich, C.L., et al., Influence of mechanical pretreatment to isolate ...

Ngwabebhoh, F.A., S.I. Erdagi, and U. Yildiz, Pickering emulsions stabilized ...

Kadam, P.V., et al., Standardization and quantification of curcumin from ...

Tooke, T.R., et al., Extracting urban vegetation characteristics using spectral ...

Lawrence, R.L. and A. Wright, Rule-based classification systems using classification ...

Tiryaki, S. and A. Aydın, An artificial neural network model ...

Zheng, B., et al., Impact of delivery system type on ...

Lu, X. and Q. Huang, Stability and in vitro digestion ...

Tikekar, R.V., Y. Pan, and N. Nitin, Fate of curcumin ...

Shahkol, F., H. Abbasi, and M. Norouzi Mobarakeh, Modeling the ...

Liu, H., et al., Study of Pickering emulsion stabilized by ...

Espinosa-Sandoval, L., et al., Phenolic compound–loaded nanosystems: artificial neural network ...

Tao, Y., et al., Combining various wall materials for encapsulation ...

man Wellness, ۲۰۲۳. ۱۲ (۲): p. ۶۶۹-۶۷۹ ...