طبقه‌بندي خواص بيولوژيكي ميوه گلابي در بارگذاري ديناميكي و استاتيكي با استفاده از شبكه عصبي مصنوعي

شبكه‌هاي عصبي مصنوعي تكنيك‌هاي مدل‌سازي قدرتمند هستند كه با آرايه‌هايي از نورون‌ها در حافظه و يادگيري بيولوژيك كار مي‌كنند. در اين تحقيق به بررسي طبقه‌بندي نوع بارگذاري ديناميكي و شبه استاتيكي (لبه پهن و لبه نازك) با استفاده از داده‌هاي ورودي محتواي فنول، انتي اكسيدان، ويتامين C و سفتي با شبكه عصبي مصنوعي پرداخته‌شده است. در اين آزمايش براي طبقه‌بندي از دو شبكه تابع پايه شعاعي و پرسپترون چندلايه با دو تابع فعال سازي تانژانت هيپربوليك و سيگموئيدي در يك‌لايه مخفي با نرون هايي به تعداد 4 و 8 نرون استفاده شد. با توجه به نتايج بدست آمده بهترين مقدار R و درصد صحيح (Percent Correct) براي بارگذاري ديناميكي ( =100 – R=9999997درصد صحيح)، بارگذاري لبه نازك (=100 – R=9999993درصد صحيح) و بارگذاري لبه پهن (=100 – R=9999992درصد صحيح) بود، كه در شبكه تابع پايه شعاعي با تابع فعال‌سازي سيگوئيد و تعداد 8 نورون در لايه مخفي ايجادشده است. همچنين بيشترين داده‌هاي صحيح تشخيص داده‌شده براي نوع بارگذاري ديناميكي، لبه پهن و لبه نازك در شبكه‌هاي ايجادشده براي شبكه تابع پايه شعاعي مشاهده شد و اين شبكه توانسته است كه به‌طور 100 درصد براي تمامي بارگذاري‌ها ميزان داده‌ها را به‌درستي طبقه‌بندي كند. درمجموع شبكه عصبي با ورودي داده‌هاي كلي توانايي مطلوبي را در طبقه‌بندي داده‌اي بارگذاري ديناميكي و شبه استاتيكي داشته است.