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

پیش بینی خواص رئولوژیکی فارینوگرافی خمیر با استفاده از شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۱۳۹ | نظرات: ۰
سال انتشار: ۱۳۸۵
کد COI مقاله: NICEC11_379
زبان مقاله: فارسی
حجم فایل: ۳۵۸.۰۹ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی خواص رئولوژیکی فارینوگرافی خمیر با استفاده از شبکه عصبی مصنوعی

  الهامه رزمی راد - کارشناسی ارشد مهندسی علوم و صنایع غذایی دانشگاه تهران
  بابک قنبرزاده - استادیار رشته مهندسی علوم و صنایع غذایی دانشگاه تبریز
سیدمحمد ابراهیم زاده موسوی - گروه علوم و مهندسی صنایع غذایی، دانشکده مهندسی بیوسیستم، پردیس کشاور
  زهرا امام جمعه (شناسه پژوهشگر - Researcher ID: ۶۵۳۱)
گروه علوم و مهندسی صنایع غذایی، دانشکده مهندسی بیوسیستم، پردیس کشاور

چکیده مقاله:

در این تحقیق توانایی شبکه های عصبی مصنوعی در پیش بینی خواص رئولوژیکی فارینوگرافی خمیر آرد گندم از روی برخی اجزای شیمیایی تشکیل دهنده آرد آن بررسی شده است. ۴ جزء از مهمترین اجزای ترکیبات شیمیایی تشکیل دهندۀ آرد که خواص فارینوگرافی خمیر را تحت تآثیر قرار می دادند به عنوان ورودی های شبکه انتخاب شدند که عبارت بودند از: مقادیر پروتئین، گلوتن مرطوب، عدد رسوبی و عدد فالینگ. ۶ فاکتور فارینوگرافی هم که شامل مقادیر درصد جذب آب، زمان گسترش خمیر، زمان مقاومت خمیر، درجه سست ش دن خمیر پس از ۱۰ دقیقه و ۲۰ دقیقه و ارزش والوریمتری بودند، به عنوان خروجی های شبکه انتخاب شدند. برای یافتن رابطه بین ورودی و خروجی ها، ساختارها و مقادیر مختلفی از پارامتر های شبکه بر اساس روش سعی و خطا آزمون شد. نتایج نشان داد که شبکه عصبی چند لایۀ پرسپترون با الگوریتم یادگیری پس انتشار خطا بیشترین توانایی را جهت نگاشت روابط غیر خطی بین پارامترهای ورودی و خروجی داشت. این مدل ، خواص فارینوگرافی خمیر را با حداکثر خطای آموزش 0/0925 و حداکثر خطای تست 0/026 و مقدار Tی 0/81 پیش بینی کرد. این نتایج نشان داد که شبکه های عصبی مصنوعی به طور بالقوه می توانند جهت پیش بینی خواص فارینوگرافی خمیر به کار برده شوند.

کلیدواژه‌ها:

خواص رئولوژیکی فارینوگرافی- خمیر - پیش بینی- شبکه 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-NICEC11-NICEC11_379.html
کد COI مقاله: NICEC11_379

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:
رزمی راد, الهامه؛ بابک قنبرزاده؛ سیدمحمد ابراهیم زاده موسوی و زهرا امام جمعه، ۱۳۸۵، پیش بینی خواص رئولوژیکی فارینوگرافی خمیر با استفاده از شبکه عصبی مصنوعی، یازدهمین کنگره ملی مهندسی شیمی ایران، تهران، دانشگاه تربیت مدرس، https://www.civilica.com/Paper-NICEC11-NICEC11_379.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: (رزمی راد, الهامه؛ بابک قنبرزاده؛ سیدمحمد ابراهیم زاده موسوی و زهرا امام جمعه، ۱۳۸۵)
برای بار دوم به بعد: (رزمی راد؛ قنبرزاده؛ ابراهیم زاده موسوی و امام جمعه، ۱۳۸۵)
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 :

  • Hongxu, N.I., and Gu nasekaran, S., «Food quality prediction with ...
  • Poluektov, R.A., and Topaj, A.G., "Crop modeling: nostalgia about present ...
  • Almeida, J.S., " Predictive non-linear modeling of complex data by ...
  • Ruan, R., Almear S., and Zhang, J., «Prediction of dough ...
  • Takahashi, N., Hatamoto, F., and Kawai, N., "Flavor estimation of ...
  • Sablani, S.S., Baik, O.D., and Marcotte, M., "Neural networks for ...
  • Heinzow, T., and Tol, R.S.J., «Prediction of Crop Yields across ...
  • Ken-ichi, F., "On the Approximate Realization of Continuous Mappings by ...
  • Hornik, K., Sti nchocombe, M., and White, H., "Multilayer feedforward ...
  • Janssens, M.F.M., «Neural networks: principles and applications", Voed ingsmiddelen technologie, ...
  • تهران- دانشگاه تربیت مدرس- ۷ الی ۹ آذرماه ۱۳۸۵ ...
  • Qi Fang, Bilbi, G., Haque, E., Hanna, M.A., and Spillan, ...
  • Seungchan Kim., Seung In Cho., and Jae Cheu Chun., "Neural ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۶۳۸۷۴
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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.