مقاله پیش بینی محتوی رطوبتی با استفاده از شبکه عصبی مصنوعی در فرآیند آب گیری مجدد اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز

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

  مقاله پیش بینی محتوی رطوبتی با استفاده از شبکه عصبی مصنوعی در فرآیند آب گیری مجدد اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی محتوی رطوبتی با استفاده از شبکه عصبی مصنوعی در فرآیند آب گیری مجدد اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز  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 پیش بینی محتوی رطوبتی با استفاده از شبکه عصبی مصنوعی در فرآیند آب گیری مجدد اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی محتوی رطوبتی با استفاده از شبکه عصبی مصنوعی در فرآیند آب گیری مجدد اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز :

تعداد صفحات:۸
چکیده:
خشک کردن باعث ایجاد تغییراتی در ساختار و ترکیب بافت های گیاهی و در نتیجه عدم قابلیت برگشت به ویژگی های اولیه می شود. بنابراین می توان از میزان آبگیری مجدد به عنوان شاخصی از شدت اعمال فرایند و آسیب به بافت های غذایی استفاده نمود. در این پژوهش به بررسی پیش بینی محتوای رطوبتی اسلایس های به خشک شده با استفاده از پیش تیمار فراصوت- اسمز به صورت لحظه ای در طول فرایند آب گیری مجدد با استفاده از شبکه های عصبی مصنوعی پرداخته شده است. به منظور به دست آوردن داده های آزمایشگاهی، محتوای رطوبتی نمونه ها با گذشت زمان در سه سطح دمایی (۲۵، ۴۵، ۷۰ درجه سانتی گراد) در سه بار تکرار اندازه گیری شد. از شبکه ها یا ساختار پرسپترون چند لایه با تابع TanAxon در لایه مخفی و روش آموزش لونبرگ- مارکوات (ML) برای پیش بینی محتوای رطوبتی استفاده شد. معیار انتخاب بهترین شبکه بیشترین ضریب تبیین و کمترین مقدار متوسط مربع خطا (MSE) بود. در پیش بینی محتوی رطوبتی نمونه ها، شبکه سه لایه با ساختار ۱-۸-۳ بهترین نتیجه را داد. مقادیر ضریب تبیین و MSE به ترتیب ۰/۹۸۷ و ۰/۰۱۱ می باد. از شبکه به دست آمده می توان به عنوان کنترل کننده که قابلیت آموزش لحظه ای در طول فرایند آب گیری مجدد را دارد، استفاده نمود.