بررسي كارايي شبكه‌هاي عصبي مصنوعي در پيش‌بيني ويژگي‌هاي فيزيكي، رئولوژيكي و رنگ‌سنجي نانوذرات كيتوزان

تشكيل نانوذرات كيتوزان با پايداري بالا به منظور استفاده در سيستم هاي تحويل مواد مغذي و دارويي، همچنان يك چالش عمده در صنايع غذايي و دارويي است. همچنين متغيرهاي زيادي مي توانند اندازه، مورفولوژي و ساير ويژگي هاي نانوذرات كيتوزان را در طي فرايند ژله اي شدن يوني و با استفاده از سديم تري پلي فسفات (به عنوان متداول ترين عامل اتصال عرضي)، تحت تأثير قرار دهند. لذا در اين پژوهش، پس از توليد نانوذرات كيتوزان تحت تأثير متغيرهاي مستقل غلظت كيتوزان، غلظت سديم تري پلي فسفات و نسبت كيتوزان به سديم تري پلي فسفات، در گام بعدي، ويژگي هاي فيزيكي، رئولوژيكي، كدورت و رنگ سنجي نانوذرات توليدي مورد اندازه گيري قرار گرفتند. در نهايت، از دو شبكه عصبي مصنوعي مدل پرسپترون چند لايه و شبكه تابع پايه ي شعاعي با يك لايه پنهان و با توابع آستانه، الگوريتم هاي يادگيري و ... مختلف، به منظور پيش بيني ويژگي هاي نانوذرات كيتوزان استفاده شد. نتايج نشان داد كه شبكه عصبي پرسپترون چند لايه براي ويژگي هاي فيزيكي، ويسكوزيته، شاخص b* و chroma و شبكه تابع پايه شعاعي براي ديگر ويژگي هاي مورد بررسي (با بكارگيري الگوريتم يادگيري لونبرگ ماركوارت و تعداد تكرار 1000)، قادر به پيش بيني آن ها با ضرايب تعيين بسيار بالا و ميانگين مربعات خطاي پايين بود. ضرايب تعيين براي اندازه نانوذرات، شاخص پراكندگي، پتانسيل زتا، ويسكوزيته و ضريب هدايت الكتريكي سوسپانسيون هاي نانوذرات كيتوزان به ترتيب برابر با 0.9881، 0.9534، 0.9431، 0.9212 و 0.9636 بودند. اين در حالي بود كه شبكه ي تابع پايه شعاعي با يك لايه پنهان، چيدماني با 3 ورودي، 4 نرون در لايه پنهان و 3 خروجي، با تابع انتقال سيگموئيد سيگموئيد، بهترين نتيجه را براي پيش بيني ويژگي هاي L*، ΔE و WI سوسپانسيون هاي نانوذرات كيتوزان داشت. ضرايب تعيين براي پيش بيني L*، ΔE و WI نانوذرات كيتوزان به ترتيب برابر با 0.9586، 0.9775 و 0.9457بودند. همچنين شاخص رفتار جريان سوسپانسيون هاي نانوذرات كيتوزان كمتر از 1 بود كه نشان دهنده رفتار سودوپلاستيك نمونه ها بود.