CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی برخی خصوصیات خشک کردن توت سفید به کمک شبکه های عصبی مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۵۶۰ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: NCASPNU01_042
زبان مقاله: فارسی
حجم فایل: ۴۹۳.۳۱ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی برخی خصوصیات خشک کردن توت سفید به کمک شبکه های عصبی مصنوعی

محمد کاوه - دانشجوی کارشناسی ارشد مهندسی بیوسیستم دانشگاه بوعلی سینا همدان
  رضا امیری چایجان - دانشیار گروه مهندسی بیوسیستم دانشگاه بوعلی سینا همدان

چکیده مقاله:

هدف از این پژوهش، پیش بینی نرخ خشک کردن و نسبت رطوبت توت در طی فرآیند خشک کردن با خشک کن مادون قرمز- همرفتی به کمک شبکه های عصبی مصنوعی است. چهار عالم مؤثر برای نرخ خشک کردن و نسبت رطوبت (دما هوای ورودی، سرعت هوای ورودی، توان مادون قرمز و زمان) در عملکرد خشک کن مادون قرمز- همرفتی به عنوان متغیرهای مستقل برای شبکه عصبی مصنوعی در نظر گرفته شد. داده های لازم برای ایجاد الگوهای آموزش، ارزیابی و آزمون با انجام آزمایش های خشک کردن برای دماها، سرعت ها و توان های مختلف با استفاده از یک خشک کن آزمایشگاهی مادون قرمز- همرفتی، جمع آوری شد. از شبکه های پس انتشار پیش رو و پس انتشار پیشخور با الگوریتم های یادگیری لونبرگ- مارکورات و تنظیم بیزی برای آموزش الگوهای موجود استفاده شد. نتایج نشان داد که بهترین نتایج برای شبکه پیش پیشخور با توپولوژی 2-5 -5-4 و الگوریتم آموزش لونبرگ- مارکوات و تابع آستانه لگاریتم سیکمونید برای نرخ خشک کردن و نسبت رطوبت حاصل می شود. نتایج نشان داد که ضریب تعیین برای نرخ خشک کردن 0/9766 و برای نسبت رطوبت این مقدار 0/9971 درصد به دست آمد.

کلیدواژه‌ها:

توت، خشک کن مادون قرمز، نسبت رطوبت، نرخ خشک کردن و شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCASPNU01-NCASPNU01_042.html
کد COI مقاله: NCASPNU01_042

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کاوه, محمد و رضا امیری چایجان، ۱۳۹۲، پیش بینی برخی خصوصیات خشک کردن توت سفید به کمک شبکه های عصبی مصنوعی، اولین همایش ملی علوم کشاورزی با تاکید بر تنش های غیرزیستی، نقده، دانشگاه پیام نور نقده، https://www.civilica.com/Paper-NCASPNU01-NCASPNU01_042.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کاوه, محمد و رضا امیری چایجان، ۱۳۹۲)
برای بار دوم به بعد: (کاوه و امیری چایجان، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Amiri Chayjan, R. Salari, K., H.Barikloo. 2012. Modeling moisture diffusivity ...
  • Amiri Chayjan, _ Kaveh. 2013. Physical parameters and kinetic modeling ...
  • Demuth, H., Beale, M., M. Hagan. 2007. Neural network toolbox ...
  • Ercisli, S., E. Orhan. 2007. Chemic al composition of white ...
  • Huang, L, Wu, D., Jin, H., Zhang, J., He, Y., ...
  • Islam, M.R., Sablanim S.S A.S. Mujumdar. 2003. An artificial neural ...
  • Motevali1, A. Younji, S., Amiri Chayjan R., Aghilinategh N., A. ...
  • Ponkham, K., Meeso, N. Soponronnarit, S., S. Siriamornpun. 2011. Modeling ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.