پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS)

در میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیرخام قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور ترکیبات شیر بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن ها از شیرخام وابسته به شناسایی رفتار دقیق این ترکیبات در برابر ویروس ها می باشد. از روش های قابل استفاده در تخمین و پیش بینی بازیافت ویروس می توان از شبکه عصبی مصنوعی یا استنتاج فازی-عصبی تطابقی (ANFIS) نام برد. در این تحقیق مدل سازی های جعبه سیاه به نام مدل سازی شبکه های عصبی مصنوعی به همراه استنتاج فازی-عصبی تطابقی (ANFIS) به منظور پیش بینی اثر اجزاء موجود در شیر خام بر بازیافت و استخراج ژنوم ویروسی به کار گرفته شده است. همچنین درصد داده های مورد استفاده برای تربیت، ارزیابی و آزمون شبکه عصبی، تعداد لایه های پنهان، تعداد نرون، نوع تابع انتقال و نوع قانون یادگیری و دیگر پارامترهای موثر بر شبکه به عنوان متغیر های شبکه در نظر گرفته شد. در نهایت بر اساس داده های حاصل از مدل سازی، شبکه ای با کمترین خطا و بالاترین ضریب همبستگی انتخاب و گزارش گردید. براساس این تحقیق در شبکه عصبی مصنوعی مدل تلقیح شده با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب هبستگی ۹۱۹/۰r= ومدل (تلقیح نشده – تلقیح شده) با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب همبستگی ۹۵۶/۰ r= انتخاب شد. همچنین در استنتاج فازی-عصبی تطابقی (ANFIS) تابع عضویت گاوسی و مدل فازی TSK برای هر دو مدل تلقیح شده و (تلقیح نشده-تلقیح شده) انتخاب وسپس در مدل تلقیح شده تابع انتقال تانژانت هایپربولیک اکسون خطی و قاعده یادگیری مومنتوم با ۸۷۹/۰ r= ودر مدل (تلقیح نشده- تلقیح شده) تابع انتقال اکسون خطی و الگوریتم یادگیری Step با ۸۸۹/۰ r= به عنوان بهترین مدل برای پیش بینی بازیافت و استخراج ژنوم ویروس معرفی شد.