مقاله کامل Full Text
تعداد صفحات : 9
فرمت :PDF
چکیده
برای مدل کردن پدیده های فیزیکی از روش های معمول حل معادلات )موازنه جرم و انرژی( استفاده می شود اما به دلیل وقت گیر بودن حل این معادلات روش های سریع تری چون شبکه عصبی مصنوعی هم موجود است. شبکه های عصبی مصنوعی از عناصر عملیاتی ساده ای به صورت موازی ساخته می شوند . این عناصر از سیستمهای عصبی زیستی الهام گرفته شده اند . شبکه های عصبی از دو ویژگی اساسی یادگیری براساس ارائه داده های تجربی و ساختار پذیری موازی برخوردار می باشند. این شبکه ها برای مسائل کنترل، علی الخصوص سیستم های پیچیده که مدل سازی این سیستم ها میسر نیست یا به سختی انجام می شود مناسب می باشد. علیرغم مزایای زیادروشهای مدلسازی ریاضی، محدودیتهایی از قبیل انتخاب پارامترها، اعمال پیش فرضها برای حل معادلات دیفرانسیل و پیچیدگی حل معادلات سبب میشود استفاده از روشهای ناپارامتری مانند شبکههای عصبی مصنوعی در حل مسائل توسعه پیدا کند، زیرا روش حل در شبکههای عصبی مصنوعی مبتنی بر ضرب ضرایب وزنی در قالب پردازش موازی است . از این رو
سرعت دستیابی به جواب دراین روش نسبت به روشهای مدلسازی ریاضی بیشتر است بنابراین برای اعمال سیستم کنترل، مناسبتر است. از سوی دیگر به علت توزیع اطلاعات در شبکههای عصبی مصنوعی، خطای ایجاد شده دراطلاعات ورودی تأثیر نامطلوب بر پردازش دادهها نخواهد داشت . همچنین با توجه به درنظر گرفتن پارامترهای کیفی و عدم امکان محاسبةآن باروشهای مدلسازی ریاضی، روش شبکههای عصبی مصنوعی برای پیشبینی همزمان پارامترهای خروجی مناسب است. شبکههای عصبی مصنوعی به دلیل وفقی بودن، قابلیت اعتماد بیشتری نسبت به مدلهای آماری دارند و قابلیت تعمیم و تقریب آنها بیشتر است .
کلید واژه: شبکه عصبی , صنایع غذایی , مدل سازی
شبکه عصبی و کاربرد آن در صنایع غذایی