Prediction of foods freezing and thawing times: Artificial neural networks and genetic algorithm approach / Goñi, S. M. in Journal of food engineering, Vol. 84 N°1 (Janvier 2008)  

Public ISBD [article]  inJournal of food engineering > Vol. 84 N°1 (Janvier 2008) . - 164-178 p. Titre : Prediction of foods freezing and thawing times: Artificial neural networks and genetic algorithm approach Type de document : texte imprimé Auteurs : Goñi, S. M., Auteur ; Oddone, S., Auteur ; Segura, J. A., Auteur Année de publication : 2008 Article en page(s) : 164-178 p. Note générale : Génie Chimique Langues : Anglais (eng) Mots-clés : Freezing time Thawing Food Artificial neural network Temps de congélation décongélation Nourriture Réseau neurologique artificiel Index. décimale : 664 Résumé : In this work a feedforward neural network, trained and validated using experimental values of freezing and thawing times of foods and test substances of different geometries, is developed. A total of 796 experimental times of both processes were collected from reported works. The database used covered a wide range of operative conditions as well as size, shape and type of material. The input layer had seven elements: shape factor, characteristic dimension, Biot number, thermal diffusivity, initial, ambient and final temperatures. The output layer had one element: the process time. The total number of hidden layers and the number of neurons in each hidden layer were chosen by trial and error. For each topology, a simple based genetic algorithm search technique was applied to obtain the initial training parameters of the neural network that improve its generalization capacity. Three particular networks were evaluated: one for freezing times, another one for thawing times, and a third one for both freezing and thawing times. The final topologies has one or two hidden layers with 4 nodes in each one. Our results show that the neural network had an average absolute relative error of less than 10%, suggesting that ANN provide a simple and accurate prediction method for freezing and thawing times, valid for wide ranges of food types, sizes, shapes and working conditions. Dans ce travail un réseau neurologique de réaction, qualifié et validé utilisant des valeurs expérimentales des temps de congélation et de dégel des nourritures et des substances d'essai des différentes géométries, est développé. Un total de 796 fois expérimentales des deux processus ont été rassemblées des travaux rapportés. La base de données utilisée a couvert un éventail de conditions effectives aussi bien que la taille, la forme et le type de matériel. La couche d'entrée a eu sept éléments : facteur de forme, dimension caractéristique, les températures de nombre de Biot, de diffusivité thermique, d'initiale, ambiantes et finales. La couche de rendement a eu un élément : le temps de processus. Tout le nombre de couches cachées et nombre de neurones dans chaque couche cachée ont été choisis par d'essai et erreur. Pour chaque topologie, une technique génétique basée simple de recherche d'algorithme a été appliquée pour obtenir les paramètres de formation initiale du réseau neurologique qui améliorent sa capacité de généralisation. Trois réseaux particuliers ont été évalués : un un pendant des temps de congélation, différent pendant des temps de dégel, et un troisième pendant des temps de congélation et de dégel. Les topologies finales a un ou deux couches cachées avec 4 noeuds dans chacun. Nos résultats prouvent que le réseau neurologique a eu une erreur relative absolue moyenne de moins de 10%, suggérant que l'annonce fournissent une méthode simple et précise de prévision pendant des temps de congélation et de dégel, valide pour les éventails de nourriture dactylographie, des tailles, des formes et des conditions de travail. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Aliments surgelés En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NR1856-6&_user=1 [...] [article] Prediction of foods freezing and thawing times: Artificial neural networks and genetic algorithm approach [texte imprimé] / Goñi, S. M., Auteur ; Oddone, S., Auteur ; Segura, J. A., Auteur . - 2008 . - 164-178 p. Génie Chimique Langues : Anglais (eng) in Journal of food engineering > Vol. 84 N°1 (Janvier 2008) . - 164-178 p. Mots-clés : Freezing time Thawing Food Artificial neural network Temps de congélation décongélation Nourriture Réseau neurologique artificiel Index. décimale : 664 Résumé : In this work a feedforward neural network, trained and validated using experimental values of freezing and thawing times of foods and test substances of different geometries, is developed. A total of 796 experimental times of both processes were collected from reported works. The database used covered a wide range of operative conditions as well as size, shape and type of material. The input layer had seven elements: shape factor, characteristic dimension, Biot number, thermal diffusivity, initial, ambient and final temperatures. The output layer had one element: the process time. The total number of hidden layers and the number of neurons in each hidden layer were chosen by trial and error. For each topology, a simple based genetic algorithm search technique was applied to obtain the initial training parameters of the neural network that improve its generalization capacity. Three particular networks were evaluated: one for freezing times, another one for thawing times, and a third one for both freezing and thawing times. The final topologies has one or two hidden layers with 4 nodes in each one. Our results show that the neural network had an average absolute relative error of less than 10%, suggesting that ANN provide a simple and accurate prediction method for freezing and thawing times, valid for wide ranges of food types, sizes, shapes and working conditions. Dans ce travail un réseau neurologique de réaction, qualifié et validé utilisant des valeurs expérimentales des temps de congélation et de dégel des nourritures et des substances d'essai des différentes géométries, est développé. Un total de 796 fois expérimentales des deux processus ont été rassemblées des travaux rapportés. La base de données utilisée a couvert un éventail de conditions effectives aussi bien que la taille, la forme et le type de matériel. La couche d'entrée a eu sept éléments : facteur de forme, dimension caractéristique, les températures de nombre de Biot, de diffusivité thermique, d'initiale, ambiantes et finales. La couche de rendement a eu un élément : le temps de processus. Tout le nombre de couches cachées et nombre de neurones dans chaque couche cachée ont été choisis par d'essai et erreur. Pour chaque topologie, une technique génétique basée simple de recherche d'algorithme a été appliquée pour obtenir les paramètres de formation initiale du réseau neurologique qui améliorent sa capacité de généralisation. Trois réseaux particuliers ont été évalués : un un pendant des temps de congélation, différent pendant des temps de dégel, et un troisième pendant des temps de congélation et de dégel. Les topologies finales a un ou deux couches cachées avec 4 noeuds dans chacun. Nos résultats prouvent que le réseau neurologique a eu une erreur relative absolue moyenne de moins de 10%, suggérant que l'annonce fournissent une méthode simple et précise de prévision pendant des temps de congélation et de dégel, valide pour les éventails de nourriture dactylographie, des tailles, des formes et des conditions de travail. DEWEY : 664 ISSN : 0260-8774 RAMEAU : Aliments surgelés En ligne : http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6T8J-4NR1856-6&_user=1 [...]

Exemplaires

Code-barres	Cote	Support	Localisation	Section	Disponibilité
aucun exemplaire