Documents disponibles écrits par cet auteur

Moisture content and water activity prediction of semi-finished cassava crackers from drying process with artificial neural network / Lertworasirikul, S. in Journal of food engineering, Vol. 84 N°1 (Janvier 2008) 

Public ISBD [article]  in Journal of food engineering > Vol. 84 N°1 (Janvier 2008) . - 65-74 p. Titre : Moisture content and water activity prediction of semi-finished cassava crackers from drying process with artificial neural network Type de document : texte imprimé Auteurs : Lertworasirikul, S., Auteur ; Tipsuwan, Y., Auteur Article en page(s) : 65-74 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Cassava  cracker  Drying  process  Artificial  neural  network  Modeling  Biscuit  de  manioc  Processus  de  séchage  Réseau  neurologique  artificiel  Modélisation Index. décimale : 664 Résumé : This paper is concerned with a prediction of moisture content and water activity of semi-finished cassava crackers from a hot air drying process in a tray dryer. A Multilayer Feedforward Neural Network in the form of Nonlinear-Auto-Regressive with Exogenous input (MFNN-NARX) was proposed to predict the product quality from the dynamic drying process. The process was carried out at seven drying temperature settings of 50, 55, 60, 65, 70, 75, and 80 °C. The MFNN-NARX was composed of one hidden layer, three exogenous inputs (drying temperature, relative humidity, and sample temperature), and two state inputs and outputs (moisture content and water activity). A number of hidden neurons and transfer functions were investigated in this study. Based on our results, the best network was composed of nine hidden nodes and used a logarithmic sigmoid transfer function in the first layer. The mean squared error (MSE) and regression coefficient (r2) between the normalized predicted and experimental outputs from the best network were 0.0034 and 0.9910, respectively. A simulation test with a testing data set showed that MSE was low and r2 was close to 1. This result showed the good generalization of the developed model. Cet article est concerné par une prévision de teneur en eau et d'activité de l'eau des biscuits demi-complets de manioc d'un processus de séchage d'air chaud dans un dessiccateur de plateau. On a proposé un réseau neurologique de réaction multicouche sous forme de Non linéaire-Automatique-Régressif avec l'entrée exogène (MFNN-NARX) pour prévoir la qualité du produit du processus de séchage dynamique. Le processus a été suivi à sept arrangements de température de séchage de 50, 55, 60, 65, 70, 75, et 80 °C. Le MFNN-NARX s'est composé d'une couche cachée, trois entrées exogènes (la température de séchage, hygrométrie, et température d'échantillon), et deux entrées et sorties d'état (teneur en eau et activité de l'eau). Un certain nombre de neurones et de fonctions de transfert cachés ont été étudiés dans cette étude. Basé sur nos résultats, le meilleur réseau s'est composé de neuf noeuds cachés et a employé une fonction de transfert sigmoïde logarithmique dans la première couche. L'erreur de la moyenne carrée (MSE) et le coefficient de régression (r2) entre les sorties prévues et expérimentales normales du meilleur réseau étaient 0.0034 et 0.9910, respectivement. Un essai de simulation avec un ensemble d'essais a prouvé que MSE était bas et r2 était proche de 1. Ce résultat a montré la bonne généralisation du modèle développé. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Séchage En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NKXWCV-2&_user=1 [...] [article] Moisture content and water activity prediction of semi-finished cassava crackers from drying process with artificial neural network [texte imprimé] / Lertworasirikul, S., Auteur ; Tipsuwan, Y., Auteur . - 65-74 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 84 N°1 (Janvier 2008) . - 65-74 p. Mots-clés : Cassava  cracker  Drying  process  Artificial  neural  network  Modeling  Biscuit  de  manioc  Processus  de  séchage  Réseau  neurologique  artificiel  Modélisation Index. décimale : 664 Résumé : This paper is concerned with a prediction of moisture content and water activity of semi-finished cassava crackers from a hot air drying process in a tray dryer. A Multilayer Feedforward Neural Network in the form of Nonlinear-Auto-Regressive with Exogenous input (MFNN-NARX) was proposed to predict the product quality from the dynamic drying process. The process was carried out at seven drying temperature settings of 50, 55, 60, 65, 70, 75, and 80 °C. The MFNN-NARX was composed of one hidden layer, three exogenous inputs (drying temperature, relative humidity, and sample temperature), and two state inputs and outputs (moisture content and water activity). A number of hidden neurons and transfer functions were investigated in this study. Based on our results, the best network was composed of nine hidden nodes and used a logarithmic sigmoid transfer function in the first layer. The mean squared error (MSE) and regression coefficient (r2) between the normalized predicted and experimental outputs from the best network were 0.0034 and 0.9910, respectively. A simulation test with a testing data set showed that MSE was low and r2 was close to 1. This result showed the good generalization of the developed model. Cet article est concerné par une prévision de teneur en eau et d'activité de l'eau des biscuits demi-complets de manioc d'un processus de séchage d'air chaud dans un dessiccateur de plateau. On a proposé un réseau neurologique de réaction multicouche sous forme de Non linéaire-Automatique-Régressif avec l'entrée exogène (MFNN-NARX) pour prévoir la qualité du produit du processus de séchage dynamique. Le processus a été suivi à sept arrangements de température de séchage de 50, 55, 60, 65, 70, 75, et 80 °C. Le MFNN-NARX s'est composé d'une couche cachée, trois entrées exogènes (la température de séchage, hygrométrie, et température d'échantillon), et deux entrées et sorties d'état (teneur en eau et activité de l'eau). Un certain nombre de neurones et de fonctions de transfert cachés ont été étudiés dans cette étude. Basé sur nos résultats, le meilleur réseau s'est composé de neuf noeuds cachés et a employé une fonction de transfert sigmoïde logarithmique dans la première couche. L'erreur de la moyenne carrée (MSE) et le coefficient de régression (r2) entre les sorties prévues et expérimentales normales du meilleur réseau étaient 0.0034 et 0.9910, respectivement. Un essai de simulation avec un ensemble d'essais a prouvé que MSE était bas et r2 était proche de 1. Ce résultat a montré la bonne généralisation du modèle développé. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Séchage En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NKXWCV-2&_user=1 [...]