امروزه مشخص شده است که آب و مواد غذایی نیز می توانند در زمره ناقلین اصلی ویروس ها قلمداد شوند که این موضوع محققان را به انجام تحقیقات دامنه دار برای یافتن ویروس های مختلف در آب و مواد غذایی ترغیب نموده است. در میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیر قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور این ترکیبات بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن ها از شیرخام وابسته به شناسایی رفتار دقیق این ترکیبات در برابر ویروس ها می باشد. از روش های قابل استفاده در تخمین و پیش بینی بازیافت ویروس می توان از شبکه عصبی مصنوعی یا منطق فازی نام برد. یکی از انواع مدل سازیهای جعبه سیاه به نام مدل سازی شبکه های عصبی مصنوعی به منظور پیش بینی اثر ترکیبات موجود در شیر خام بر بازیافت و استخراج ژنوم ویروسی استفاده می شود. برای این منظور میزان اجزای اصلی شیرخام (کازئین ، پروتئین های آب پنیر، چربی و لاکتوز) به عنوان ورودی شبکه و بازیافت ویروس و ژنوم آن به عنوان خروجی های شبکه عصبی مصنوعی در نظر گرفته می شود و درصد داده های مورد استفاده برای تربیت، ارزیابی و آزمون شبکه عصبی، تعداد لایه های پنهان، تعداد نرون، نوع تابع انتقال و نوع قانون یادگیری و دیگر پارامترهای موثر بر شبکه به عنوان متغیر های شبکه در نظر گرفته می شود و در نهایت بر اساس داده های حاصل از مدل سازی، شبکه ای با کمترین خطا بالاترین ضریب همبستگی انتخاب و گزارش خواهد شد

مدل سازی با شبکه عصبی مصنوعی و نوع پرسپترون چند لایه به منظور ارزیابی استفاده از زئولیت و اسید سیتریک در کاهش تولید آفلاتوکسین در نان های خشک ضایعاتی در سطح شهر مشهد انجام شده است. نتایج نشان داده اند که مدل سازی با شبکه عصبی مصنوعی، روش مناسبی خصوصا در صنایع غذایی است و می توان با در نظر گرفتن تعدادی متغیر مستقل(ورودی) و با پارامتر های مشخص، متغیرهای خروجی(خروجی)را تخمین زد.

چکیده ندارد.