سال انتشار: ۱۳۹۰

محل انتشار: ششمین همایش ملی ایده های نو در کشاورزی

تعداد صفحات: ۴

نویسنده(ها):

هاجر عباسی – اعضا هیئت علمی دانشگاه آزاد اسلامی واحد خوراسگان اصفهان و تهران
سیدمهدی سیدین –
زهرا امام جمعه – عضو هیئت علمی دانشگاه تهران

چکیده:

علیرغم اهمیت رئولوژی خمیردرویژگیهای کیفی نان عموما انجام ارزیابی های رئولوژیکی بهدلیل نیازمندی به تجهیزات تخصص زمان و هزینه زیاد درصنعت امکان پذیر نمیبا شد از این رو طرحی مدلهای با صحت و عمومیت بالا می تواند نیازمندیهای ازمایشگاهی صنایع تولید را تاحدود قابل قبولی مرتفع سازد طبیعت متغیر خمیر و وابستگی آن به تعدادزیادی ازپارامترهایمتسقل توسعه یک مدل مناسب با روشهای مدلسازی رگرسیونی را غیرممکن می سازد لذا دراینتحقیق توانایی شبکه های عصبی مصنوعی پرسپترون چندلایه در پیش بینی عدد کیفی فارینوگراف به عنوان معیاری از شاخصهای موجوددرمنحنی فارینوگرام مورد بررسی قرارگرفته است ۱۰۰نمونه آرد ستاره مناسب برای تولید نانهای حجیم ازواحدهای آردسازی استانهای مختلف کشور جمعآوری شد هفت فاکتور ازخصوصیات فیزیکوشیمیایی آرد به عنوان پارامترهای ورودی و عدد کیفی فارینوگراف به عنوان خروجی شبکه درنظر گرفته شد شبکه فوق با دو روش ازمون و خطا و الگوریتم ژنتیک و با به کارگیری روش اموزش پس انتشار خطا به منظور تعیین بهترین ویژگیهای شبکه تعدادلایه های پنهان و نورونهای هرلایه کمیت های مومنتم و استپ سایز و فاکتورهای ورودی تحت آموزش قرارگرفتند.