Zastosowanie sieci neuronowej MLP z propagacją wsteczną błędów jako metody modelowania cech reologicznych surowych farszów mięsnych

Jerzy Balejko , Piotr Zapletal , Edyta Balejko

Abstract

The aim of the study was to elaborate a method of modelling and forecasting rheological features which could be applied to raw minced meat at the stage of mixture preparation with a given ingredient composition. The investigated material contained pork and beef meat, pork fat, fat substitutes, ice and curing mixture in various proportions. Seven parameters were measured for each sample of raw minced meat. Then, the neural network model of multi-layer perceptron architecture 7:7–11–7:7 was designed and trained with back propagation algorithm in order to predict texture features. Statistical analysis of the results revealed, that artificial neural network model is able to predict rheological parameters a of raw minced meat.
Author Jerzy Balejko
Jerzy Balejko,,
-
, Piotr Zapletal (DoAS)
Piotr Zapletal,,
- Department of Animal Sciences
, Edyta Balejko
Edyta Balejko,,
-
Other language title versionsApplying the MLP neural network with back propagation asmethod of modeling and forecasting rheological features of raw minced meat
Journal seriesPostępy Techniki Przetwórstwa Spożywczego, ISSN 0867-793X, (B 6 pkt)
Issue year2013
Vol1
Pages64-68
Publication size in sheets0.5
Keywords in Polishsztuczne sieci neuronowe, tekstura, farsze, właściwości reologiczne
Keywords in Englishartificial neural nets, texture, minced meat, rheological properties
Abstract in PolishCelem badań była ocena możliwości analizy danych przy użyciu sztucznych sieci neuronowych do modelowania i prognozowania cech reologicznych surowych farszów mięsnych o założonym składzie surowcowym. Materiał badawczy stanowiło mięso wieprzowe, wołowe, słonina wieprzowa, zamienniki tłuszczu, lód oraz mieszanka peklująca. Surowy farsz mięsny w różnych proporcjach składników poddawano analizie instrumentalnej w celu wyznaczenia 7 wyróżników właściwości lepkosprężystych farszu. Zaprojektowano model sztucznej sieci neuronowej o architekturze perceptronu wielowarstwowego 7:7–11–7:7 i poddano ją procesowi uczenia metodą wstecznej propagacji błędu w celu rozpoznawania i przewidywania 7 parametrów składających się na charakterystykę tekstury farszów mięsnych.
URL http://wsm.warszawa.pl/wydawnictwo/postepy-techniki-przetworstwa-spozywczego
Internal identifierWHiBZ/2013/14
Languagepl polski
Score (nominal)6
Score sourcejournalList
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?