كليدواژه :
نان بدون گلوتن , مدل‌سازي شبكه عصبي , ذرت , آنزيم ترانس گلوتاميناز ميكروبي , پروتئين سفيده تخم مرغ
چكيده فارسي :
در اين تحقيق بهينه‌سازي فرمولاسيون نان بدون گلوتن بر پايه ذرت حاوي پروتئين سفيده تخم مرغ و آنزيم ترانس گلوتاميناز ميكروبي با هدف كمينه نمودن افت پخت و ميزان سختي و بيشينه نمودن ميزان حجم مخصوص، ارتفاع نان، تخلخل و شاخص رنگي L* توسط روش سطح پاسخ و در نهايت تخمين اين پاسخ‌ها با كمك شبكه عصبي انجام گرفت. بررسي نتايج نشان داد كه شرايط بهينه براي توليد نان بدون گلوتن بر پايه ذرت زماني ايجاد مي‌شود كه غلظت آنزيم و پروتئين سفيده تخم مرغ به‌ترتيب 65/0 و 6 درصد باشد. با افزايش غلظت آنزيم افت پخت، تخلخل و شاخص a* افزايش ولي ميزان شاخص b* كاهش يافت. نتايج همچنين نشان داد كه با افزايش غلظت آنزيم در فرمولاسيون نمونه‌ها در ابتدا افزايش و سپس كاهش در ميزان ارتفاع نان و حجم مخصوص مشاهده شد. افزايش غلظت پروتئين سفيده تخم مرغ در فرمولاسيون نان بدون گلوتن بر پايه ذرت منجر به افزايش شاخص L* و a* و كاهش افت پخت و شاخص b* گرديد. نتايج مدل‌سازي شبكه عصبي مصنوعي نشان داد كه شبكه‌اي با يك لايه پنهان حاوي 9 نورون يعني چيدمان 8-9-2 (شبكه‌اي با 2 ورودي، 9 گره (نورون) در لايه پنهان و 8 خروجي)، بهترين نتيجه را در پيش‌بيني خروجي‌هاي مورد نظر دارد. اين شبكه با مقدار ضريب همبستگي 00/1 و ميانگين مربعات خطاي 0011/0 بالاترين دقت را در بين توپولوژي‌هاي در نظر گرفته شده از خود نشان داد.
چكيده لاتين :
In this research, optimization of the formulation of corn-based gluten-free bread with egg white protein and the microbial transglutaminase enzyme was conducted with the purpose of minimizing baking loss and hardness, and maximizing the specific volume, bread height, porosity and color index L* by the response surface method and finally, estimating these responses with the help of the neural network. The effects of the two concentrations of microbial transglutaminase enzyme in the range of 0 to 1.5% and egg white protein in the range of 0 to 6% with the help of the central composite design on specific volume parameters, baking loss, porosity, bread height, hardness and color indices L*, a* and b* of bread crust were investigated. Investigating the results indicated that the optimum conditions for the production of gluten-free bread based on maize is created when the enzyme and egg white protein concentrations are 0.65% and 6%, respectively. By increasing the enzyme concentration, baking loss, porosity and a* index increased, but the b* index decreased. The results also indicated that by increasing the enzyme concentration in the formulation of samples, we firstly observed increase and then decrease in bread height and specific volume. Increasing the protein concentration of egg white in maize-based gluten-free bread formulation resulted in an increase in L* and a* indexes, and a decrease in baking loss and b* index. The results of artificial neural network modeling indicated that a network with a hidden layer containing 9 neurons, with an 8-9-2 layout (a network with 2 inputs, 9 nodes (neurons) in the hidden layer and 8 outputs), had the best result in predicting the mentioned outputs. This network indicated the highest accuracy among the mentioned topologies with a correlation coefficient of 1.00 and mean square error of 0.0011.
