طبقه بندی خواص بیولوژیکی میوه گلابی در بارگذاری دینامیکی و استاتیکی با استفاده از شبکه عصبی مصنوعی

شبکه های عصبی مصنوعی تکنیک های مدل سازی قدرتمند هستند که با آرایه هایی از نورون ها در حافظه و یادگیری بیولوژیک کار می کنند. در این تحقیق به بررسی طبقه بندی نوع بارگذاری دینامیکی و شبه استاتیکی (لبه پهن و لبه نازک) با استفاده از داده های ورودی محتوای فنول، انتی اکسیدان، ویتامین C و سفتی با شبکه عصبی مصنوعی پرداخته شده است. در این آزمایش برای طبقه بندی از دو شبکه تابع پایه شعاعی و پرسپترون چندلایه با دو تابع فعال سازی تانژانت هیپربولیک و سیگموئیدی در یک لایه مخفی با نرون هایی به تعداد 4 و 8 نرون استفاده شد. با توجه به نتایج بدست آمده بهترین مقدار R و درصد صحیح (Percent Correct) برای بارگذاری دینامیکی ( =100 – R=9999997درصد صحیح)، بارگذاری لبه نازک (=100 – R=9999993درصد صحیح) و بارگذاری لبه پهن (=100 – R=9999992درصد صحیح) بود، که در شبکه تابع پایه شعاعی با تابع فعال سازی سیگوئید و تعداد 8 نورون در لایه مخفی ایجادشده است. همچنین بیشترین داده های صحیح تشخیص داده شده برای نوع بارگذاری دینامیکی، لبه پهن و لبه نازک در شبکه های ایجادشده برای شبکه تابع پایه شعاعی مشاهده شد و این شبکه توانسته است که به طور 100 درصد برای تمامی بارگذاری ها میزان داده ها را به درستی طبقه بندی کند. درمجموع شبکه عصبی با ورودی داده های کلی توانایی مطلوبی را در طبقه بندی داده ای بارگذاری دینامیکی و شبه استاتیکی داشته است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، گلابی ، بارگذاری ، طبقه بندی