مدل سازی الگوریتم ژنتیک - شبکه عصبی مصنوعی جهت پیش گویی اثر ضدباکتریایی رنگ آناتو بر جمعیت اشریشیا کلای
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 92
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_FSCT-13-51_018
تاریخ نمایه سازی: 1 آذر 1402
چکیده مقاله:
چکیده هدف از این مطالعه بکارگیری مدلسازی الگوریتم ژنتیک-شبکه عصبی مصنوعی به منظور پیشگویی اثر ضدباکتریایی رنگ آناتو موجود در سس مایونز بر جمعیتاشریشیا کلای می باشد. آناتو در مواد غذایی دارای فعالیت ضدمیکروبی و آنتیاکسیدانی می باشد. رنگ آناتو استخراج و پس از فیلتراسیون و تغلیظ، با آون تحت خلا خشک گردید. در این مطالعه نمونههای سس حاوی ۰، ۱/۰، ۲/۰ و ۴/۰ درصد رنگ آناتو تهیه و در دو دمای ۴ و ۲۵ درجه سانتیگراد نگهداری شد. نمونه برداری و شمارش کلنیها در طی ۱۷ روز و در سه تکرار انجام گرفت. به منظور پیشگویی جمعیت اشریشیا کلای از شبکه عصبی پرسپترون چند لایه پیشخور با ۳ ورودی و ۱ خروجی استفاده شد. همچنین از روش الگوریتم ژنتیک جهت بهینهسازی تعداد نرونها در لایه مخفی شبکه عصبی مصنوعی استفاده گردید. نتایج نشان داد شبکهای با تعداد ۷ نرون در یک لایه پنهان و با استفاده از تابع فعالسازی سیگموئیدی و درصد دادههای مورد استفاده برای تربیت/ آزمون / ارزیابی برابر ۳۰/۲۰/۵۰ میتوان به خوبی جمعیت اشریشیا کلای (۹۹۹/۰r=) در حضور رنگ آناتو را پیشگویی نمود. نتایج آنالیز حساسیت توسط شبکه عصبی بهینه، مدت زمان نگهداری را به عنوان موثرترین عامل در پیشگویی جمعیتاشریشیا کلای نشان داد.
کلیدواژه ها:
Genetic algorithm ، mayonnaise ، Microbiology ، Escherichia coli ، کلید واژه گان: الگوریتم ژنتیک ، اشریشیا کلای ، سس مایونز ، میکروبیولوژی
نویسندگان
Mahmood Yolmeh
دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان
Mohammad Bagher Habibi Najafi
استاد گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Fakhredin Salehi
دانشجوی دکتری دانشکده علوم و صنایع غذایی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان