پیش بینی خواص رئولوژیکی فارینوگرافی خمیر با استفاده از شبکه عصبی مصنوعی
محل انتشار: یازدهمین کنگره ملی مهندسی شیمی ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,825
فایل این مقاله در 12 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:
NICEC11_379
تاریخ نمایه سازی: 4 اردیبهشت 1386
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.
کلیدواژه ها:
خواص رئولوژیکی فارینوگرافی- خمیر - پیش بینی- شبکه عصبی مصنوعی
نویسندگان
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
گروه علوم و مهندسی صنایع غذایی، دانشکده مهندسی بیوسیستم، پردیس کشاور
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 :