طباطبایی یزدی, فریده, الغونه, علی, علیزاده بهبهانی, بهروز, وسیعی, علیرضا (2016). استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات. , 13(53), 33-45.
فریده طباطبایی یزدی; علی الغونه; بهروز علیزاده بهبهانی; علیرضا وسیعی. "استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات". , 13, 53, 2016, 33-45.
طباطبایی یزدی, فریده, الغونه, علی, علیزاده بهبهانی, بهروز, وسیعی, علیرضا (2016). 'استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات', , 13(53), pp. 33-45.
طباطبایی یزدی, فریده, الغونه, علی, علیزاده بهبهانی, بهروز, وسیعی, علیرضا استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات. , 2016; 13(53): 33-45.

استفاده از شبکه عصبی-ژنتیک الگوریتم و نروفازی برای مدل سازی دینامیک جمعیت میکروبی (اشرشیا کلی 29998 ATCC) سوسیس فرانکفورتر حاوی عصاره قره قات

مجله علوم و صنایع غذایی ایران
Article 4, Volume 13, Issue 53, 1395, Pages 33-45    PDF (364.96 K)
Authors
فریده طباطبایی یزدی* 1; علی الغونه2; بهروز علیزاده بهبهانی2; علیرضا وسیعی2
1دانشیار و عضو هئیت علمی گروه علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
2دانشجوی دکتری علوم و صنایع غذایی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
Abstract
چکیده هدف از این پژوهش، بررسی تاثیر پارامتر‌های زمان، نوع عصاره، غلظت عصاره و دمای محیط بر دینامیک جمعیت باکتری اشرشیا کلی در یک سیستم کمپکلس غذایی (سوسیس فرانکفورتر) و مدل سازی آن به وسیله ژنتیک الگوریتم- شبکه عصبی مصنوعی و سیستم‌های نورو فازی ((CANFIS می‌باشد. در این پژوهش، از روش رقت سازی در چاهک برای تعیین حداقل غلظت مهار کنندگی (MIC) و حداقل غلظت کشندگی (MBC) عصاره های آبی و اتانولی قره قات استفاده شد. مدل ژنتیک الگوریتم- شبکه عصبی و سیستم نوروفازی ((CANFIS دارای چهار ورودی شامل، غلظت در پنج سطح (صفر، 2000، 4000، 6000، 8000 ppm)، نوع عصاره (آبی، اتانولی)، دما در سه سطح (5، 15 و 25 درجه سانتی گراد)، و زمان (صفر تا 20روز) بود. نتایج نشان داد شبکه عصبی با یک لایه مخفی، 10 نورون در لایه مخفی، تابع فعال سازی از نوع تانژانت هیپربولیک، قاعده یادگیری مومنتوم، درصد داده‌های 30، 30، 40 به ترتیب برای آموزش، ارزیابی و آزمون برای پیش بینی دینامیک جمعیت باکتری اشرشیای کلی به کار رود‌(995/0 =R2). همچنین همبستگی بسیار مناسبی بین پیش بینی های سیستم نوروفازی و داده های تجربی وجود داشت(96/0 =R2). لازم به ذکر است که در این پژوهش سیستم ژنتیک الگوریتم- شبکه عصبی به شیوه مناسب تری قادر به پیش بینی دینامیک جمعیت باکتری اشرشیا کلی بود.
Keywords
کلید واژگان: اشرشیا کلی; قره قات; ژنتیک الگوریتم; شبکه عصبی مصنوعی; نوروفازی
Statistics
Article View: 210
PDF Download: 160
Statistics
Number of Journals45
Number of Issues2,174
Number of Articles24,685
Article View25,081,852
PDF Download17,779,719