سال انتشار: ۱۳۸۷

محل انتشار: هجدهمین کنگره ملی علوم و صنایع غذایی

تعداد صفحات: ۵

نویسنده(ها):

هدی شهیری طبرستانی – گرگان-میدان بسیج- دانشگاه علوم کشاورزی و منابع طبیعی گرگان -دانشکده صنایع غذایی
یحیی مقصودلو – گرگان-میدان بسیج-دانشگاه علوم کشاورزی و منابع طبیعی-دانشکده صنایع غذایی
علیرضا صادقی ماهونک – گرگان-میدان بسیج-دانشگاه علوم کشاورزی و منابع طبیعی-دانشکده صنایع غذایی
علی معتمدزادگان – ساری- میدان خزر- کیلومتر ۹ جاده فرح آباد- مجتمع کشاورزی و منابع طبیعی

چکیده:

در تحق یق حاضر ، از تک نیک شبکه عصبی مصنوعی ANNs) به منظور پیش بینی تغییرات ویسکوزیته ژلات ین پوست ماه ی قزل آلا ی رنگ ینکمان ، در شش سطح دما یی ( ۲۰ تا ۶۰ درجه سان تیگراد) ، غلظت ها ی مختلف ژلا تین تو لیدی ( ۰,۵ تا ۴ %) و زمان ها ی پیش فراور ی پوست در سود و اسید ۳-۱ ساعت ساعت) استفاده شد.جهت ایجاد مدل ها ی شبکه عص بی مصنوع ی، داده ها به سه بخش آموزش ی ( ۷۰ % )، اعتبار سنج ی( ۱۰ % )و آزمون ( ۲۰ %) تقس یم شد و شبکه عصبی چند لا یه پرسپترون به منظور مدل ساز ی ویسکوزیته بر اساس پارامترهای مستقل دما وغلظت ژلات ین و نی ز زمان پ یش فراور ی، ایجادشد . ساختاربندی به ینه مدل شبکه عص بی مصنوع ی، با تغ ییر پارامتر های مختلف شبکه ازجمله نوع تابع ؛قوانین یادگیری ؛تعداد نرون ها و لای ه ها ی می انی شکل گرفت . معیار انتخاب بهتر ین شبکه ، بیشترین ضر یب ت بیین و کمتر ین مقدار متوسط مربع خطاMSE) بود.در پیش بینی و یسکوزیته ، شبکه ۳لایه با ساختار ۴ -۴-۷ بهترین نتیجه را با مقادیر ضریب تبیین MSE 0 و ۰/۹۸۱۹ ، ۰/۰۰۰۷ داد. از نتایج تحقیق می توان در طراح ی پمپ ها و خطوط انتقال بهره گرفت.