کاربرد شبکه عصبی پرسپترون چند لایه ، لونبرگ مارکوات و بایاسین جنرالیزیشن در فرمولاسیون های مواد غذایی

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 298

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

FSACONF12_059

تاریخ نمایه سازی: 4 دی 1401

چکیده مقاله:

پرسپترون یک الگوریتم یادگیری ماشین است در دسته الگوریتم های یادگیری با نظارت قرار می گیرد. الگوریتم پرسپترون یکی از الگوریتم های دسته بندی باینری(دودویی) محسوب می شود و این به معنای این است که الگوریتم پرسپترون امکان این را دارد که تعدادی عضو را دسته بندی کند. پرسپترون چند لایه (MLP) یک شبکه عصبی مصنوعی عمیق است. که از بیش از یک پرسپترون تشکیل شده است. آن ها از یک لایه ورودی برای دریافت سیگنال تشکیل شده اند، یک لایه خروجی که در مورد ورودی تصمیم می گیرد یا پیش بینی می کند، و در بین این دو، تعدادی دلخواه از لایه های پنهان که موتور محاسباتی واقعی MLP هستند قرار دارد. MLP ها با یک لایه مخفی قادر به تقریب هر عملکرد پیوسته ای هستند. از این رو می توان از این الگوریتم در فرمولاسیون های مواد غذایی به عنوان ابزار بالقوه استفاده کرد .

نویسندگان

آرش دارا

دانشجوی دکتری مهندسی علوم و صنایع غذایی ، گرایش تکنولوژی مواد غذایی ، موسسه پژوهشی علوم و صنایع غذایی ، مشهد، ایران

علی حمیدی راد

کارشناس ارشد مهندسی شیمی گرایش صنایع غذایی دانشگاه فردوسی مشهد، ایران

حمیدرضا سیدی

کارشناس ارشد مهندسی مواد و متالورژی دانشگاه فردوسی مشهد، ایران