MODELING OF DRYING KINETIC OF PUMPKIN: PART II. ARTIFICIAL NEURAL APPROACH
محل انتشار: نخستین کنفرانس خاورمیانه ای خشک کردن
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,392
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MEDC01_051
تاریخ نمایه سازی: 11 شهریور 1391
چکیده مقاله:
In this research, thin-layer drying of pumpkin slices was simulated via a laboratory scale hot air dryer. The drying process was carried out at four different temperatures (65℃, 75℃, 85℃ and 95℃). Multilayer perceptron neural network (MLP) and radial basis function network (RBF) were implemented to forecast the moisture ratio and drying rate of samples during drying. Optimized artificial neural networks (ANNs) models were developed for MLP based on one hidden layers with topology 2-15-2 and 2-3-2 for moisture ratio and drying rate, respectively. In addition, RBF revealed the superlative results accompany with 30 nodes per first layer for both dying properties drying rate and moisture ratio. Thus, it can be concluded that MLP models gave better results than RBF models for monitoring the moisture ratio.
کلیدواژه ها:
نویسندگان
Mohsen MOKHTARIAN
Department of Food Science and Technology, Islamic Azad University, Sabzevar Branch, Sabzevar, Iran
Fatemeh KOUSHKI
Department of Food Science and Technology, Islamic Azad University, Sabzevar Branch, Sabzevar, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :