TY - JOUR ID - 66597 TI - مدل‌سازی روند تغییرات شاخص‌های فیزیکوشیمیایی، بافتی و حسی ماست غنی‎شده با آهن و روی توسط شبکه‌های عصبی مصنوعی JO - پژوهش و نوآوری در علوم و صنایع غذایی JA - JRIFST LA - fa SN - 2252-0937 AU - حسین‌نژاد, محمود AU - جعفری, سیدمهدی AU - گنجه, محمد AD - دانش‌آموختۀ کارشناسی ارشد، صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان AD - دانشیار، دانشکده صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان AD - دانشجوی دکتری، صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان Y1 - 2017 PY - 2017 VL - 5 IS - 4 SP - 325 EP - 336 KW - آنالیز بافت KW - شبکۀ ‌عصبی مصنوعی KW - غنی‌سازی KW - مدل‌سازی DO - 10.22101/JRIFST.2017.02.26.001 N2 - در این ‌پژوهش جهت تعیین مدلی برای پیش‌بینی روند تغییرات خصوصیات مختلف ماست غنی‎شده با آهن و روی، محصول مایه‌خورده با غلظت‌های برابر 20، 40 و 60 میلی‌گرم این املاح به ازای یک کیلوگرم شیر غنی‌سازی شدند و نمونه‌ها در دوره‌های زمانی 1، 7 و 14 روز مورد آزمون قرار گرفتند. ویژگی‎های فیزیکوشیمیایی (اسیدیته، pH، آب‎دهی، ظرفیت نگهداری آب و ویسکوزیته)، ویژگی‌های بافتی (سختی، فنریت، نیروی چسبندگی و پیوستگی) و حسی (طعم، بو، رنگ، بافت و پذیرش کلی) نمونه‎ها مورد بررسی قرار گرفت و جهت پیش‌بینی روند تغییرات از ابزار شبکه‌های عصبی مصنوعی در نرم‌افزار MATLAB R2013a استفاده شد. با بررسی شبکه‌های مختلف به‎ترتیب برای ماست غنی‌شده با آهن و روی شبکه‌های پس‌انتشار پیش‎خور با توپولوژی‌های 2-2-3-14 و 2-4-14 با ضرایب همبستگی 0/997 و 0/991 و میانگین مربعات خطای 0/4090 و 0/1040 با به‎کارگیری تابع فعال‌سازی تانژانت سیگموئید هیپربولیکی، الگوی یادگیری لونبرگ-مارکوات و چرخۀ یادگیری 1000 به‎عنوان بهترین مدل‌های عصبی مشخص گردیدند. نتایج حاصل از مدل‌های بهینۀ انتخاب‎شده نیز ارزیابی گردید و این مدل‌ها با ضرایب همبستگی بالا (بیش از 0/98) و انحراف معیار میانگین بسیار پایین قادر به پیش‌بینی روند تغییرات بودند. UR - https://journals.rifst.ac.ir/article_66597.html L1 - https://journals.rifst.ac.ir/article_66597_91b22ec019f865ddbb4a64b6dd25c8fe.pdf ER -