مدل‌سازی و بررسی ‌خصوصیات ‌کیفی ‌کیک ‌حاوی فیبر‌تفاله سیب‌ با استفاده از شبکه‌های‌ عصبی ‌مصنوعی

در این تحقیق به منظور مدل‌سازی و پیش‌بینی برخی از خصوصیات فیزیکوشیمیایی کیک کم کالری حاوی فیبر تفاله سیب از درصدهای مختلف فیبر تفاله سیب (0، 5 و 10 درصد)، میزان روغن (14.57، 15.475 و 16.38 درصد) و زمان نگهداری (0، 15 و30 روز) استفاده گردید و میزان چربی، فعالیت آبی، افت وزنی، تعداد کپک و مخمر، صمغیت، قابلیت جویدن، ارتجاعیت و روشنایی کیک نمونه‌ها مورد بررسی قرار گرفت. جهت پیش‌بینی روند تغییرات از ابزارشبکه‌های عصبی مصنوعی در نرم‌افزار (matlab r2013a) استفاده شد. با بررسی شبکه‌های مختلف شبکه‌ی پس‌انتشار پیشخور با توپولوژی‌های 3-5-8 با ضریب همبستگی بیشتر از 0.912 و میانگین مربعات خطای کمتر از 0.0115 و با بکارگیری تابع فعال‌سازی لگاریتم سیگموئیدی هیپربولیکی، الگوی یادگیری جهنده و چرخه یادگیری 1000 به‌عنوان بهترین مدل‌ عصبی مشخص گردید. نتایج حاصل از مدل‌های بهینه‌ی انتخاب شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0.689) قادر به پیش‌بینی روند تغییرات بودند. همچنین نتایج نشان داد که با افزایش میزان روغن، محتوای چربی، فعالیت آبی و تعداد کپک و مخمر نمونه‌ها افزایش یافت ولی با افزایش فیبر تعداد کپک و مخمر و افت وزن نمونه‌ها کاهش یافت. در بین خصوصیات مورد اندازه‌گیری، شبکه عصبی مصنوعی مورد استفاده قرار گرفته بیشترین دقت را برای پیش‌بینی میزان چربی نمونه‌ها داشت. در پایان می‌توان بیان داشت که مدل شبکه عصبی به‌دست آمده در این مطالعه توان پیش‌بینی خصوصیات کیفی کیک حاوی فیبر تفاله سیب را دارد.

predication of some physiochemical properties of low calorie cake containing apple fiber using artificial neural networks

in this research, in order to modelling and predicating some physiochemical properties of lowcalorie cake containing apple pulp fiber from different percentages, apple pulp fiber (0-10%)and maintenance time (0-30days) were used and fat degree, water activity, dropping off,the number of mold & yeast, resinous, chewable, elasticity and brightness of cake sampleswere surveyed. for predication of changing processes from artificial neural networks,matlab r2013a software was used .the survey showed that different networks, releasingfeedback networks with typology of 8-5-3 with correlation coefficient more than 912/0 andthe average square less than 0115/0 and applying sigmound activation hyperlogic ,mutantlearning patterns and1000 learning cycle considered as the best neural modelling.the resultshowed that the selected optimal models also were surveyed and these models with highcorrelation coefficient(more than 689/0)were able to predict the changing processes .amongmeasurable properties, artificial neural networks were so accurate for predicting the level of fat