حسین مجیدزاده
باقر عمادی - دانشگاه فردوسی مشهد
عبدلعلی فرزاد

در این تحقیق محتوی رطوبت میوه کیوی خشک شده در خشک کن خلاء با استفاده از روش شبکه عصبی مصنوعی پیش بینی گردید. دمای خشک شدن (۵۰ ،۶۰ و۷۰ درجه سانتی گراد)، فشار خلاء (۵۰۰، ۵۵۰ و۶۰۰ میلی متر جیوه)، ضخامت قطعه های کیوی (۳، ۵ و ۷ میلی متر) و مدت زمان خشک شدن به عنوان پارامترهای مستقل ورودی و محتوی رطوبت کیوی به عنوان متغیر وابسته خروجی تعریف شدند. داده های به دست آمده از فرآیند خشک کردن خلاء به منظور آموزش و آزمون شبکه استفاده گردید. چندین معیار شامل الگوریتم های آموزش، نرخ یادگیری، ضریب اندازه حرکت، تعداد لایه های مخفی، تعداد نرون در هر لایه و تابع های فعال سازی به منظور بهبود کارایی شبکه عصبی مصنوعی مورد استفاده قرار گرفتند. تعداد لایه های مخفی و تعداد نرون ها در هر لایه به روش سعی و خطا به دست آمد. بهترین الگوریتم آموزشی، لونبرگ- مارکوارت با کمترین میزان میانگین مربعات خطا بود. مقادیر مطلوب نرخ یادگیری و ضریب اندازه حرکت برای شبکه با استفاده از الگوریتم آموزش کاهش شیب با مومنتم به ترتیب ۲/۰ و ۰۵/۰ به دست آمدند. ساختارهای مطلوب به دست آمده، ۱-۲۰-۴ با تابع انتقال تانژانت سیگموئید و مقدار میانگین مربعات خطا ، ۰۰۱۶/۰ و۱-۲۰-۱۵-۴ با توابع انتقال یکسان لگاریتم سیگموئید در هر دو لایه پنهان و مقدار میانگین مربعات خطا، ۰۰۰۱۴۷/۰ بودند. همبستگی میان مقادیرآزمایشی و پیش بینی شده در ساختارهای مطلوب بیشتر از ۷۵/۹۹ درصد به دست آمد.

خشک کن خلاء, شبکه عصبی مصنوعی, کیوی, محتوی رطوبت, نرخ یادگیری