عنوان مقاله :
پايش فرآيند مالتسازي با استفاده از شبكه عصبي مصنوعي
عنوان فرعي :
Investigation of Malting Process Using Artificial Neural Network
پديد آورندگان :
قدس ولي ، عليرضا نويسنده Godsevali , M , مختاريان، محسن نويسنده دانشگاه آزاد اسلامي واحد سبزوار , , بخش آبادي، حميد نويسنده دانشجوي كارشناسي ارشد علوم و صنايع غذايي، دانشگاه علوم كشاورزي و منابع طبيعي گرگان، گرگان، ايران Bakhshabadi , H. , عرب عــامريان، فــاطمه نويسنده دانش آموخته‌ي كارشناسي ارشد علوم و صنايع غذايي، دانشگاه آزاد اسلامي واحد سبزوار، سبزوار، ايران Arabamerian, F.
اطلاعات موجودي :
دوفصلنامه سال 1392 شماره 0
كليدواژه :
شبكه عصبي مصنوعي , مالت , پيش‌بيني
چكيده فارسي :
مالتسازي يك فرآيند زيست فناوري پيچيده است كه شامل مراحل خيساندن، جوانه‌زني و خشك كردن مالت جوانه‌زده در شرايط كنترل شده دما و رطوبت مي‌باشد. در اين پژوهش پارامترهاي فرآيند مالتسازي از طريق توابع فعال‌سازي مختلف شبكه عصبي نظير لگاريتم سيگموييد-لگاريتم سيگموييد، تانژانت هيپربوليك-تانژانت هيپربوليك، لگاريتم سيگموييد-تانژانت هيپربوليك، لگاريتم سيگموييد-هماني و تانژانت هيپربوليك-هماني پيش‌بيني گرديد. مقادير زمان خيساندن (x1) و زمان جوانه‌زني (x2) به عنوان ورودي‌ها و راندمان عصاره گيري گرم (y1)، راندمان مالتسازي (y2) و فعاليت آنزيمي (B-گلوكاناز) (y3) به عنوان خروجي انتخاب گرديد. نتايج نشان داد كه استفاده از شبكه عصبي پرسپترون با تابع فعال‌سازي تانژانت هيپربوليك-هماني با 17 نرون بهترين نتيجه را در بين كليه توابع بكار رفته در پيش‌بيني پارامترهاي موثر در فرآيند مالت سازي داشت. هم چنين اين شبكه قادر بود مقادير راندمان عصاره‌گيري گرم، راندمان مالتسازي و فعاليت آنزيمي (B-گلوكاناز) را با ضرايب تبيين 1، 984/0 و 995/0 پيش‌بيني نمايد. اين شيوه نوين مي‌تواند به طور موفقيت‌آميزي براي پايش كمي تغييرات مالت در طي فرآيند مالتسازي مورد استفاده قرار گيرد.
چكيده لاتين :
Malting is a complex biotechnological process that includes steeping; germination and drying of cereal grains under controlled conditions of temperature and humidity. In this research malting process parameters were predict by modular neural network with different activation function included, logsig-logsig, tanh-tanh, logsig-tanh, logsig-identity and tanh-identity. Steeping time (x1) and germination time (x2) were used as input parameters and hot water extract (y1), malting yield (y2) and enzyme activity (B-Gluconase) (y3) were selected as output parameters. The results showed that using perceptron neural network with tanh-identity activation function had the best result among all of activation functions to predict effective parameters of malting process. As well, this network was able to predict hot water extract, malting yield and enzyme activity (B - Gluconase) with R2 value of 1, 0.984 and 0.995, respectively
عنوان نشريه :
پژوهشهاي علوم و صنايع غذايي ايران
عنوان نشريه :
پژوهشهاي علوم و صنايع غذايي ايران
اطلاعات موجودي :
دوفصلنامه با شماره پیاپی 0 سال 1392
كلمات كليدي :
#تست#آزمون###امتحان
