پیش بینی ماندگاری لاکتوباسیلوس اسیدوفیلوس در ماست تغلیظ شده با شبکه عصبی مصنوعی

در سالهای اخیر، استفاده از شبکه های عصبی مصنوعی( شبکه های عصبی ) در بسیاری از بخشهای صنایع غذایی افزایش یافته و از شبکه های عصبی مصنوعی در حل بسیاری از مشکلات کنترل کیفیت استفاده شده است . هدف از این مطالعهتوسعه شبکه های عصبی جهت ارزیابی کیفیت ماست پروبیوتیک میباشد . در این مطالعه، شبکه عصبی پس انتشار با الگوریتم لونبرگ - مارکوارت به عنوان مدل استفاده شد . پارامترهای مختلف از جمله pH، آب اندازی، درصد ترکیبات پری بیوتیک (اینولین و الیگو فروکتوز) و درصد تلقیح باکتری پروبیوتیک به عنوان عوامل موثر بر زنده ماندن باکتری لاکتوباسیلوس اسیدوفیلوس در نظر گرفته شد . کارایی مدل توسعه یافته از طریق محاسبه میانگین مربعات خطا، ضریب تبیین مورد ارزیابی قرار گرفت . همچنین تابع تحریک تانژانت سیگموئید در مرحله پیش پردازش برای بهینه سازی مدل به کار گرفته شد. نتایج حاکی از ان بود که تابع تحریک تانژانت سیگموئید با 5 نرون در لایه مخفی در روزهای 1، 7 و 14 به ترتیب دارای بیشترین ضرایب تبیین 0/991، 0/985 و 0/971 و میانگین مربعات خطا (MSE) ا 0/00054، 0/00065 و 0/00081 بود و مدل تعریف شده از دقت تخمین مناسبی جهت پیش بینی قابلیت زنده مانی باکتری لاکتوباسلوس اسیدوفیلوس در سه دوره زمانی برخوردار بود.

کلیدواژه ها:

ماست تغلیظ شده پروبیوتیک ، شبکه عصبی ، لاکتوباسیلوس اسیدوفیلوس