| تعداد نشریات | 53 |
| تعداد شماره‌ها | 2,130 |
| تعداد مقالات | 22,016 |
| تعداد مشاهده مقاله | 94,340,854 |
| تعداد دریافت فایل اصل مقاله | 29,533,440 |
پایش فرآیند مالتسازی با استفاده از شبکه عصبی مصنوعی | ||
| مجله پژوهشهای علوم و صنایع غذایی ایران | ||
| مقاله 5، دوره 9، شماره 3 - شماره پیاپی 25، مهر 1392 اصل مقاله (826.03 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22067/ifstrj.v9i3.29604 | ||
| نویسندگان | ||
| علیرضا قدس ولی* 1؛ محسن مختاریان2؛ حمید بخش ابادی3؛ فاطمه عرب‌عامریان2 | ||
| 1مرکز تحقیقات گلستان | ||
| 2دانشگاه ازاد اسلامی واحد سبزوار | ||
| 3دانشگاه ازاد اسلامی واحد گنبد کاووس | ||
| چکیده | ||
| مالتسازی یک فرآیند زیست فناوری پیچیده است که شامل مراحل خیساندن، جوانه‌زنی و خشک کردن مالت جوانه‌زده در شرایط کنترل شده دما و رطوبت می‌باشد. در این پژوهش پارامترهای فرآیند مالتسازی از طریق توابع فعال‌سازی مختلف شبکه عصبی نظیر لگاریتم سیگموئید-لگاریتم سیگموئید، تانژانت هیپربولیک-تانژانت هیپربولیک، لگاریتم سیگموئید-تانژانت هیپربولیک، لگاریتم سیگموئید-همانی و تانژانت هیپربولیک-همانی پیش‌بینی گردید. مقادیر زمان خیساندن (x1) و زمان جوانه‌زنی (x2) به عنوان ورودی‌ها و راندمان عصاره گیری گرم (y1)، راندمان مالتسازی (y2) و فعالیت آنزیمی (β-گلوکاناز) (y3) به عنوان خروجی انتخاب گردید. نتایج نشان داد که استفاده از شبکه عصبی پرسپترون با تابع فعال‌سازی تانژانت هیپربولیک-همانی با 17 نرون بهترین نتیجه را در بین کلیه توابع بکار رفته در پیش‌بینی پارامترهای مؤثر در فرآیند مالت سازی داشت. هم چنین این شبکه قادر بود مقادیر راندمان عصاره‌گیری گرم، راندمان مالتسازی و فعالیت آنزیمی (β-گلوکاناز) را با ضرایب تبیین 1، 984/0 و 995/0 پیش‌بینی نماید. این شیوه نوین می‌تواند به طور موفقیت‌آمیزی برای پایش کمی تغییرات مالت در طی فرآیند مالتسازی مورد استفاده قرار گیرد. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی مصنوعی؛ مالت؛ پیش‌بینی | ||
|
آمار تعداد مشاهده مقاله: 735 تعداد دریافت فایل اصل مقاله: 478 |
||