مقاله کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن


در حال بارگذاری
18 سپتامبر 2024
فایل ورد و پاورپوینت
2120
3 بازدید
۷۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن دارای ۲۱ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن مقاله کاربرد شبکه‌ی عصبی مصنوعی در پیش‌بینی نسبت رطوبت و بررسی خصوصیات حسی و تغذیه‌ای و گوجه فرنگی در طی خشک کردن :

تعداد صفحات :۲۱

در این پژوهش، خشک کردن لایه‌ای نازک گوجه فرنگی توسط خشک کن هوای داغ آزمایشگاهی شبیه‌سازی گردید. فرآیند خشک کردن در دو دمای ۶۰ و ۷۰ انجام گرفت. داده‌های خشک کردن توسط ۸ مدل سینتیکی برازش داده شد. بهترین مدل از طریق R2 ، RMSE و مشخص گردید. فرآیند مدل‌سازی نشان داد که مدل لگاریتمی، بهترین کارایی را داشت. همچنین، ویژگی‌های فیزیکوشیمیایی گوجه فرنگی، نظیر چروکیدگی، اسیدیته، غلظت یون هیدروژن و رنگ در طی خشک کردن تعیین گردید. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی داری روی رنگ برش‌های گوجه فرنگی داشت. علاوه بر این، در این تحقیق، مطلوبیت برگه‌های گوجه فرنگی تهیه شده به وسیله‌ی آزمون حسی مورد آزمایش قرار گرفت. در این آزمون، کیفیت‌های حسی رنگ، عطر، طعم، شکل ظاهری و قابلیت جویدن (تردی بافت) نمونه‌ها مد نظر قرار گرفت. نتایج، نشان داد که دمای هوای خشک کردن تاثیر معنی‌داری روی شکل ظاهری داشت (P<0.01). نتایج مدلسازی، نشان داد که مدل شبکه‌ی عصبی پرسپترون همراه با تابع محرک لوگ سیگموئید به عنوان بهترین تابع محرک مدل، توانست نسبت رطوبت را با ضریب رگرسیون ۹۹۶/۰ پیش‌بینی نماید.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.