РЕФЕРАТИВНА БАЗА ДАНИХ "УКРАЇНІКА НАУКОВА"
Abstract database «Ukrainica Scientific»


Бази даних


Реферативна база даних - результати пошуку


Вид пошуку
Пошуковий запит: (<.>ID=REF-0000715820<.>)
Загальна кількість знайдених документів : 1

Zarifpoor M. 
Investigating of artificial neural network potential to predict the properties of refined raw sugar beet juice by electrocoagulation process = Дослідження потенціалу штучної нейронної мережі для прогнозування властивостей рафінованого цукрового бурякового соку, отриманого методом електрокоагуляції / M. Zarifpoor, V. Hakimzadeh // Ukr. Food J.. - 2018. - 7, № 4. - С. 682-691. - Бібліогр.: 17 назв. - англ.

Зважаючи на високий потенціал електрокоагуляції (ЕК) під час видалення зважених часток, а також на високе енергоспоживання при традиційному обробленні, у цьому дослідженні за допомогою штучної нейронної мережі промодельовано процес ЕК для очищення бурякового соку. В процесі електрокоагуляції досліджено потенціал нейромережі в прогнозуванні мутності, кольоровості та чистоти бурякового соку з різними параметрами: напруга (5, 10 і 15 вольт), pH (6, 7 і 8) і час (постійні інтервали часу від 1 до 60 хв). Моделювання штучної нейронної мережі, яке здійснювалося в програмному забезпеченні Neurosolution V6, застосовувалося для визначення найкращого типу транспортної функції, правил навчання, валідації й тестування на основі їх середньоквадратичних помилок, середніх абсолютних похибок і кореляційних коефіцієнтів. Це надало змогу визначити найкращий тип транспортної функції, правила навчання та застосувати використані значення для навчання, перевірки й тестування на основі їх середньоквадратичних похибок, середньоквадратичних нормалізованих похибок, середніх абсолютних похибок і коефіцієнтів кореляції. Найкраща нейронна мережа з максимальним коефіцієнтом кореляції для мутності і чистоти отримана в законі Левенберга про навчання і тангенс передачі функції, які включали 8 і 17 нейронів відповідно. Крім того, найкращий коефіцієнт кореляції і менша середня квадратична похибка для моделювання кольоровості, пов'язані з мережею з одним прихованим шаром і 9 нейронами, які вивчаються за законом навчання Левенберга і сигмоподібною передаточною функцією. Моделювання проведено з різними значеннями даних для навчання, перевірки й тестування. Найкраще прогнозування кореляції для мутності та чистоти одержано, коли 55 % даних були використані для навчання, 40 % з них - для перевірки та 5 % - для тестування, тоді як найкращі відсотки для навчання, перевірки й тестування для прогнозування кольоровості становили 60, 30 і 10 відповідно. Прогнозовані значення моделей мали відповідну кореляцію з експериментальними даними, тому коефіцієнт кореляції з експериментальними даними мутності, кольоровості та чистоти становив, відповідно, 0,999, 0,997 і 0,990. Це дослідження також стосувалося чутливості моделі до вхідних даних. Найбільша чутливість моделі для прогнозування мутності, кольоровості і чистоти була пов'язана з напругою. Висновок: модель спрогнозувала мутність, кольоровість і чистоту соку в різних умовах експлуатації, оскільки дані моделювання показали високу кореляцію з експериментальними даними.


Індекс рубрикатора НБУВ: Л840.4

Рубрики:

Шифр НБУВ: Ж43715 Пошук видання у каталогах НБУВ 
Повний текст  Наукова періодика України 
  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"
 
Національна бібліотека України імені В. І. Вернадського
Відділ наукового формування національних реферативних ресурсів
Інститут проблем реєстрації інформації НАН України

Всі права захищені © Національна бібліотека України імені В. І. Вернадського