فهرست نشریات علمی دسترسی آزاد ایران

در این تحقیق محتوی رطوبت میوه کیوی خشک‌شده در خشک کن خلاء با استفاده از روش شبکه عصبی مصنوعی پیش‎بینی گردید. دمای خشک شدن (50 ،60 و 70 درجه سانتی‌گراد)، فشار خلاء (500، 550 و 600 میلی‌متر جیوه)، ضخامت قطعه‌های کیوی (3، 5 و 7 میلی‌متر) و مدت زمان خشک شدن به‌عنوان پارامترهای مستقل ورودی و محتوی رطوبت کیوی به‌عنوان متغیر وابسته خروجی تعریف شدند. داده‌های به‌دست آمده از فرآیند خشک کردن خلاء به‌منظور آموزش و آزمون شبکه استفاده گردید. چندین معیار شامل الگوریتم‌های آموزش، نرخ یادگیری، ضریب اندازه حرکت، تعداد لایه‌های مخفی، تعداد نرون در هر لایه و تابع‌های فعال‌سازی به‌منظور بهبود کارایی شبکه عصبی مصنوعی مورداستفاده قرار گرفتند. تعداد لایه‌های مخفی و تعداد نرون‌ها در هر لایه به‌روش سعی و خطا به‌دست 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 به‌ترتیب 2/0 و 05/0 به‌دست آمدند. ساختارهای مطلوب به‌دست آمده، 1-20-4 با تابع انتقال تانژانت سیگموئید و مقدار میانگین مربعات خطا، 0016/0 و 1-20-15-4 با توابع انتقال یکسان لگاریتم سیگموئید در هر دو لایه پنهان و مقدار میانگین مربعات خطا، 000147/0 بودند. همبستگی میان مقادیرآزمایشی و پیش‌بینی‌شده در ساختارهای مطلوب بیشتر از 75/99 درصد به‌دست آمد.