استفاده از شبکه عصبی مصنوعی در پیش بینی رطوبت لحظه ای سه واریته نخود در فرآیند غوطه وری
محل انتشار: بیست و یکمین کنگره ملی علوم و صنایع غذایی ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 628
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCFOODI21_971
تاریخ نمایه سازی: 4 اسفند 1392
چکیده مقاله:
در تحقیق حاضر پیش بینی مقدار جذب رطوبت سه واریته نخود (کابلی، چیکو و دسی) در فرآیند غوطه وری با استفاده از شبکه عصبی شبیه سازی گردید. آزمایش ها در سه دمای 5، 25 و 45 درجه سانتیگراد و در سه تکرار برای هر نمونه با آب مقطر انجام شد. در طراحی شبکه عصبی از دو روش پرسپترون چندلایه (MLP) و تابع شعاع مینا (RBF) با سه لایه نرون استفاده شد. در هر روش از الگوریتم های غیر خطی کاهش شیب، شیب توأم و BFGS و توابع مثلثاتی، لگاریتمی، گاسپین و منطقی برای آموزش، آزمون و ارزیابی شبکه بهره گرفته شد. نتایج نشان داد که روش MLP به دلیل ساختار یادگیری پس انتشار خطا، الگوریتم BFGS و توپولوژی شبکه 1-4-2 بهترین پیش بینی را برای هر سه رقم نخود حاصل می کند. برای هر سه رقم واریته آزمایشی نتایج پیش بینی نشان داد که با افزایش دما و زمان غوطه وری، رطوبت جذب شده افزایش می یابد.
کلیدواژه ها:
نویسندگان
سیدمجتبی شفاعی
دانش آموخته کارشناسی ارشد مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان
امین الله معصومی
استادیار مکانیک ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه صنعتی اصفهان
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 :