Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightMC ve MR için R2 , RMSE ve MAPE sırasıyla, 0.999, 0.001924, 0.152284 ve 0.999, 1.87E-05, 0.13393 olarak belirlenmiştir.
📌 3 Maddede Bu Makale
Özet
Dondurarak kurutma işlemi, kurutma süresi, basınç, ürün kalınlığı, kurutma odası sıcaklığı, ürün sıcaklığı ve bağıl nem gibi farklı parametrelere bağlıdır. MC ve MR gibi dondurarak kurutma davranışlarının belirlenmesi oldukça karmaşıktır. Bu çalışmada, bu karmaşıklığı gidermek için yapay sinir ağlarının kullanılması amaçlanmıştır. Dondurarak kurutma işleminde çileklerin MC ve MR gibi kurutma davranışlarının tahmin edilerek belirlenebilmesi için yapay sinir ağı modeli geliştirildi. Ağ modellinde geri besleme yayılımlı öğrenme algoritması, Levenberg– Marquardt (LM), ve Fermi transfer fonksiyonu kullanılmıştır. Ayrıca R2 , RMSE ve MAPE kullanılarak geliştirilen modelin doğruluğu belirlenmiştir. MC ve MR için R2 , RMSE ve MAPE sırasıyla, 0.999, 0.001924, 0.152284 ve 0.999, 1.87E-05, 0.13393 olarak belirlenmiştir.
Abstract
The freeze drying process is based on different parameters, such as drying time, pressure, sample thickness, chamber temperature, sample temperature and relative humidity. Hence, the determination of the drying behaviors, such as MC and MR, of the freeze drying process are too complex. In this paper, to simplify this complex process, the use of artificial neural networks has been proposed. An artificial neural networks model has been developed for the prediction of drying behaviors, such as MC and MR, of strawberries in the freeze drying process. The back-propagation learning algorithm with variant which is Levenberg–Marquardt (LM) and Fermi transfer function have been used in the network. In addition, the statistical validity of the developed model has been determined by using the coefficient of determination (R2), the root means square error (RMSE) and the mean absolute percentage error (MAPE). R, RMSE and MAPE have been determined for MC and MR as 0.999, 0.001924, 0.152284 and 0.999, 1.87E-05, 0.13393, respectively