ارایه مدل کامپیوتری جهت پیش بینی ماندگاری لاکتو باسیلوساسیدوفیلوس در ماست پروبیوتیک

در سالهای اخیر، استفاده از شبکههای عصبی مصنوعی )شبکههای عصبی( در بسیاری ازبخشهای صنایع غذایی افزایش یافته و از شبکههای عصبی مصنوعی در حل بسیاری از مشکلاتکنترل کیفیت استفاده شده است. هدف از این مطالعه توسعه شبکههای عصبی جهت ارزیابی کیفیتماست پروبیوتیک میباشد. در این مطالعه، شبکه عصبی پس انتشار با الگوریتم لونبرگ مارکوارت به -عنوان مدل استفاده شد. پارامترهای مختلف از جمله: اسیدیته، ph ، آباندازی، رنگ و شمارشباکتریایی )استرپتوکوک ترموفیلوس، لاکتوباسیلوسبولگاریکوس بهعنوان عوامل موثر بر زنده ماندنباکتری لاکتوباسیلوساسیدوفیلوس در نظر گرفته شد. کارایی مدل توسعه یافته از طریق محاسبهمیانگین مربعات خطا، ضریب تبیین مورد ارزیابی قرار گرفت. همچنین تحقیقات نشان داده است نوعتابع تحریک نیز در کارایی مدل شبکه عصبی موثر است بنابراین دو نوع تابع تحریک تانژانتسیگمویید و خطی در مرحله پیش پردازش برای بهینه سازی مدل بهکار گرفته و با هم مقایسه شدندبراساس نتایج 1 بهدست آمده، تابع تحریک تانژانت سیگمویید با 11 نرون در لایه مخفی در روزهای1 و میانگین مربعات خطا ) / 1 و 1113 /114 ،1/ 1 بهترتیب دارای بیشترین ضریب ، 11 ،،،14 mse د. البته به طورکلی بیشتر مدلها از دقت تخمین مناسبی جهت پیش / 1/111،0 و 11104 ،1/11100بینی قابلیت زندهمانی باکتری لاکتوباسلوس اسیدوفیلوس در سه دوره زمانی برخوردار بودند. بنابراینبهترین ساختار شبکه عصبی 34 11 3 برای پیشبینی زندهمانی بود.