Determination of freeze-drying behaviors of apples by artificial neural network

Menlik, Tayfun; Özdemir, Mustafa; Kırmacı, Volkan

doi:10.1016/j.eswa.2010.04.075

Cited by 67 publications

(46 citation statements)

References 34 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Momenzadeh et al (2011) predicted the drying time of corn hulls with the simultaneous effect of microwave and fluid bed dryer systems in the neural networks design (Momenzadeh et al, 2011). Other groups of scientists have examined the moisture content, as well as the proportion of moisture content, to work out the freeze drying duration of apple slices (Menlik et al, 2010). Madadlou et al (2009) predicted the casein micelle size using the combined method of artificial neural network -response surface methodology (ANN-RSM) (Madadlou et al, 2009).…”

Section: Introductionmentioning

confidence: 99%

Screening of the aerodynamic and biophysical properties of barley malt

Ghodsvali¹,

Farzaneh

Bakhshabadi

et al. 2016

International Agrophysics

View full text Add to dashboard Cite

A b s t r a c t. An understanding of the aerodynamic and biophysical properties of barley malt is necessary for the appropriate design of equipment for the handling, shipping, dehydration, grading, sorting and warehousing of this strategic crop. Malting is a complex biotechnological process that includes steeping; germination and finally, the dehydration of cereal grains under controlled temperature and humidity conditions. In this investigation, the biophysical properties of barley malt were predicted using two models of artificial neural networks as well as response surface methodology. Stepping time and germination time were selected as the independent variables and 1 000 kernel weight, kernel density and terminal velocity were selected as the dependent variables (responses). The obtained outcomes showed that the artificial neural network model, with a logarithmic sigmoid activation function, presents more precise results than the response surface model in the prediction of the aerodynamic and biophysical properties of produced barley malt. This model presented the best result with 8 nodes in the hidden layer and significant correlation coefficient values of 0.783, 0.767 and 0.991 were obtained for responses one thousand kernel weight, kernel density, and terminal velocity, respectively. The outcomes indicated that this novel technique could be successfully applied in quantitative and qualitative monitoring within the malting process.

show abstract

Section: Introductionmentioning

confidence: 99%

Screening of the aerodynamic and biophysical properties of barley malt

Ghodsvali¹,

Farzaneh

Bakhshabadi

et al. 2016

International Agrophysics

View full text Add to dashboard Cite

show abstract

“…Bir YSA modelin performansı sonuçların mutlak değişim yüzdesi (R 2 ), istatistiksel hata miktarı (RMS) ve ortalama yüzde hata (MAPE) miktarlarına bakılarak karar verilir. R 2' nin yüksek, RMS ve MAPE'nin en düşük değerleri YSA modelin en yüksek performansa sahip olduğu değerlerdir [25]. Bu parametreler aşağıdaki eşitlikler yardımıyla tanımlanır [26,27]:…”

Section: Yapay Si̇ni̇r Ağlari (Artificial Neural Network)unclassified

Yapay Sinir Ağları İle Al/Sic Kompozit Malzemenin Yüzey Pürüzlülüğünün Tahmini

Şahin¹

2014

Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi

View full text Add to dashboard Cite

ÖZETBu çalışmada Al/SiC kompozit malzemenin yüzey pürüzlülüğü kesme parametrelerine bağlı olarak yapay sinir ağları yaklaşımı kullanılarak yüksek doğrulukta tahmin edilmiştir. Al/SiC kompozit malzemenin TiCN+TiN kaplamalı cementide carbide kesici takımla işlenmesi sonucu deneysel olarak elde edilen yüzey pürüzlülüğü değerleri ileri beslemeli geriye yayılımlı 9 farklı YSA modelde eğitilmiştir. YSA modellerinin ağ yapılarındaki nöron sayıları: 3-5-6-1, 3-6-4-1, 3-6-6-1, 3-4-3-5-1, 3-4-5-3-1, 3-6-2-3-1, 3-7-1, 3-8-1 ve 3-9-1'dir. YSA'nın eğitimi ve testi sonrası elde edilen değerler YSA modellerde yaygın olarak kullanılan istatistiksel analizlere tabi tutularak incelenmiştir. Deneysel çalışmaların zorluğu, analitik ifadelerin karmaşıklığı bir çok çalışmada olduğu gibi, YSA kullanımının avantajı kullanılarak kesme parametrelerine bağlı olarak yüzey pürüzlülüğünün tahmini bu çalışmada da YSA'nın kullanılabilirliğini göstermiştir.Anahtar kelimeler: Yüzey pürüzlülüğü, yapay sinir ağları, kompozit malzeme PREDICTION OF SURFACE ROUGHNESS OF Al/SiC COMPOSITE MATERIAL WITH ARTIFICIAL NEURAL NETWORKS ABSTRACTIn this study, surface roughness of Al/SiC composite material depending on the cutting parameters were predicted with high accuracy using approach of artifical neural network. Surface roughness values obtained as experimentally result of machining with TiCN+TiN coated cementide carbide cutting element of Al/SiC composite material are trained in nine different ANN models with feed forward back propogation. The numbers of neuron in network structure of ANN models are 3-5-6-1, 3-6-4-1, 3-6-6-1, 3-4-3-5-1, 3-4-5-3-1, 3-6-2-3-1, 3-7-1, 3-8-1 ve 3-9-1. The values obtained from the ANN training and testing were evaluated by applying the statistical analyses that are widely used in ANN models. In the face of diffuculty of experimental studies and complexity of the analitical expression, as with many studies, this study also showed that ANN is a usable method for predicting the surface roughness value depending on cutting parameters.

show abstract

“…Fakat güneş enerjisi kullanılarak başlanan deneylerde siste gelmesi bir avantaj olmakla birlikte nem alma ünitesinin çalışmıyor ol sürece nem alma ünitesi de çalışmaktadır) bir dezavantaj oluşturmuştu sistemine göre avantajı ısı pompasının çalışmasına göre nem alma işle Sistemde 45 °C ve 55 °C kurutma odası sıcaklığı için yapılan deneylere ai değerleri Eşitlikler 9, 11 ve 12'den hesaplanmış ve GI değerleri dijita Yapılan hesaplama ve ölçümlere göre oluşturulan grafikler Şekil 4 ve sistemin kolektör verimi Eşitlik 6'dan % 45-55 ve tüm sistemin COPs Model değerlendirmede gerçek değerlerle tahmin edilen değerler belirleme katsayısı (R 2 ), ortalama hata kareleri karekökü (RMSE) ve (MAPE) gibi istatistiksel metotlar kullanılır. YSA modelleri için R 2 'nin RMSE ve MAPE değerleri en iyi modeli verir (Menlik et al 2010). R 2 , R aşağıdaki eşitlikler kullanılarak hesaplanmıştır.…”

Section: Figure 3-a Simple Structure Of the Neuronunclassified

“…YSA modelleri için R 2 'nin RMSE ve MAPE değerleri en iyi modeli verir (Menlik et al 2010). R 2 , R aşağıdaki eşitlikler kullanılarak hesaplanmıştır.…”

Section: Figure 3-a Simple Structure Of the Neuronunclassified

“…Eşitliklerden hesaplanan değerler ile grafiklerde verilen de Model değerlendirmede gerçek değerlerle tahmin edilen değerleri k belirleme katsayısı (R 2 ), ortalama hata kareleri karekökü (RMSE) ve orta (MAPE) gibi istatistiksel metotlar kullanılır. YSA modelleri için R 2 'nin 1'e RMSE ve MAPE değerleri en iyi modeli verir (Menlik et al 2010). R 2 , RMS aşağıdaki eşitlikler kullanılarak hesaplanmıştır.…”

Section: Figure 3-a Simple Structure Of the Neuronunclassified

See 1 more Smart Citation

Güneş destekli ısı pompalı bir kurutucuda mantarın kuruma davranışlarının yapay sinir ağı kullanılarak modellenmesi

AKTAŞ¹

2014

Tarım Bilimleri Dergisi

View full text Add to dashboard Cite

Dryer was tested by drying mushroom with solar energy and solar assisted heat pump separately at 45 °C and 55 °C drying air temperature and 0.9 m s -1 and 1.2 m s -1 drying air velocities. Moisture content (MC), moisture ratio (MR) and drying rate (DR) which were obtained from experiments were modeled by using Levenberg-Marquardt (LM) the backpropagation learning algorithm and fermi transfer function with artificial neural networks (ANNs). The coefficient of multiple determination (R 2 ), the root means square error (RMSE) and the mean absolute percentage error (MAPE) were used for the determination of statistical validity of the developed model. R 2 , RMSE and MAPE were determined for MC

show abstract

Determination of freeze-drying behaviors of apples by artificial neural network

Cited by 67 publications

References 34 publications

Screening of the aerodynamic and biophysical properties of barley malt

Screening of the aerodynamic and biophysical properties of barley malt

Yapay Sinir Ağları İle Al/Sic Kompozit Malzemenin Yüzey Pürüzlülüğünün Tahmini

Güneş destekli ısı pompalı bir kurutucuda mantarın kuruma davranışlarının yapay sinir ağı kullanılarak modellenmesi

Contact Info

Product

Resources

About