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

Celem badań była ocena możliwości analizy danych przy użyciu sztucznych sieci neuronowych do modelowania i prognozo-wania cech reologicznych surowych farszów mięsnych o założonym składzie surowcowym. Materiał badawczy stanowiło mię¬so -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 lepko sprężystych farszu. Zaprojektowano model sztucznej sieci neuronowej o architekturze perceptronu -wielowarstwowego 7:7-11-7:7 i podda¬no ją procesowi uczenia metodą -wstecznej propagacji błędu w celu rozpoznawania i przewidywania 7parametrów składających się na charakterystykę tekstury farszów mięsnych.

The aim of the study was to elaborate a method of model-ling and forecasting rheological features which could be ap¬plied to raw minced meat at the stage of mixture preparation with a given ingredient composition. The investigated mate¬rial contained pork and beef meat, pork fat, fat substitutes, ice and curing mixture in various proportions. Seven para¬meters were measured for each sample of raw minced meat. Then, the neural network model of multi-layer perceptron ar¬chitecture 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 neu¬ral network model is able to predict rheological parameters a of raw minced meat.

Rekord w opracowaniu