خشك كردن كف‌پوشي پنير ريكوتا و پيش‌بيني ويژگي‌هاي آن با مدل شبكه عصبي مصنوعي

شبكه هاي عصبي مصنوعي مجموعه اي از معادلات غيرخطي هستند كه توانايي براي خود سازگاري دارد تا ارتباطات غيرخطي پيچيده بين متغيرهاي ورودي و خروجي را برقرار كنند. از مدل سازي شبكه عصبي مصنوعي براي پيشگوئي جهت تهيه پودر پنير ريكوتا با كيفيت مطلوب استفاده شد. در اين پژوهش، شبكه عصبي مصنوعي 4 كلاسه با مدل پرسپترون چندلايه براي پيش بيني داده هاي كف و پودر پنير ريكوتا كه به روش خشك كردن كف پوشي تهيه شدند، مورد استفاده قرار گرفت. اين مدل سازي با روش شناسايي الگو و با استفاده از الگوريتم يادگيري ماشين انجام شد. شناسايي الگو، توانايي تشخيص ترتيب خصوصيات يا داده هايي است كه اطلاعات مربوط به سيستم يا مجموعه داده ها را مي دهد. مدل مورد استفاده براي اين پژوهش داراي 10 نرون در لايه پنهان بود. 4 نسبت متفاوت شير و آب پنير (تيمارها) به عنوان ورودي و دانسيته كف، دانسيته پودر، هيگروسكوپي، فعاليت آبي، جذب آب و جذب روغن به عنوان خروجي هاي مدل در نظر گرفته شدند. در اين مدل 70 درصد از داده ها براي آموزش، 15 درصد براي آزمايش و 15 درصد از داده ها براي اعتبارسنجي مورد استفاده قرار گرفت. بهترين عملكرد اعتبارسنجي در دوره 20 رخ داد. نتايج نهايي نشان داد كه مدل مورد استفاده با دقت 94.8 درصد توانست داده هاي مربوط به هر كلاس را به درستي پيش بيني نمايد.