مدل سازی الگوریتم ژنتیک - شبکه عصبی مصنوعی جهت پیش گویی اثر ضدباکتریایی رنگ آناتو بر جمعیت اشریشیا کلای
Authors
abstract
چکیده هدف از این مطالعه بکارگیری مدلسازی الگوریتم ژنتیک-شبکه عصبی مصنوعی به منظور پیشگویی اثر ضدباکتریایی رنگ آناتو موجود در سس مایونز بر جمعیتاشریشیا کلای می باشد. آناتو در مواد غذایی دارای فعالیت ضدمیکروبی و آنتیاکسیدانی می باشد. رنگ آناتو استخراج و پس از فیلتراسیون و تغلیظ، با آون تحت خلا خشک گردید. در این مطالعه نمونههای سس حاوی 0، 1/0، 2/0 و 4/0 درصد رنگ آناتو تهیه و در دو دمای 4 و 25 درجه سانتیگراد نگهداری شد. نمونه برداری و شمارش کلنیها در طی 17 روز و در سه تکرار انجام گرفت. به منظور پیشگویی جمعیت اشریشیا کلای از شبکه عصبی پرسپترون چند لایه پیشخور با 3 ورودی و 1 خروجی استفاده شد. همچنین از روش الگوریتم ژنتیک جهت بهینهسازی تعداد نرونها در لایه مخفی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد شبکهای با تعداد 7 نرون در یک لایه پنهان و با استفاده از تابع فعالسازی سیگموئیدی و درصد دادههای مورد استفاده برای تربیت/ آزمون / ارزیابی برابر 30/20/50 میتوان به خوبی جمعیت اشریشیا کلای (999/0r=) در حضور رنگ آناتو را پیشگویی نمود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه، مدت زمان نگهداری را به عنوان موثرترین عامل در پیشگویی جمعیتاشریشیا کلای نشان داد.
similar resources
اثر ضدباکتریایی رنگ آناتو بر چند باکتری بیماری‌زا
زمینه و هدف: امروزه، مضرات آنتی‌بیوتیک‌ها و نگهدارنده‌های سنتزی مشخص شده است و محققین در پی جایگزین‌هایی با منشأ طبیعی و ایمن هستند. رنگ آناتو از جمله رنگهای پرمصرف در صنعت غذا بوده که دارای خصوصیات ضدمیکروبی و آنتیاکسیدانی میباشد. این مطالعه با هدف تعیین اثر ضدمیکروبی رنگ آناتو بر چند باکتری پاتوژن انجام شد. روش بررسی: در این مطالعه، رنگ آناتو از دانه‌های آناتو به روش خیساندن استخراج و پس از...
full textمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
full textمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
full textشناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF
هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران میباشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و دادههای واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا دادههای مربوط به 316 شرکت از نخستین رو...
full textبهینهسازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
full text
مدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک
هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر ب...
full textMy Resources
Save resource for easier access later
Journal title:
علوم و صنایع غذایی ایرانPublisher: دانشگاه تربیت مدرس
ISSN
volume 13
issue 51 2016
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023