Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2000 |
Outros Autores: | |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Food Science and Technology (Campinas) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612000000300011 |
Resumo: | Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido. |
id |
SBCTA-1_44553097140ac587b6c264c2799f50b3 |
---|---|
oai_identifier_str |
oai:scielo:S0101-20612000000300011 |
network_acronym_str |
SBCTA-1 |
network_name_str |
Food Science and Technology (Campinas) |
repository_id_str |
|
spelling |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificialRedes NeuraisÓleos VegetaisEstabilidadeRedes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido.Sociedade Brasileira de Ciência e Tecnologia de Alimentos2000-12-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612000000300011Food Science and Technology v.20 n.3 2000reponame:Food Science and Technology (Campinas)instname:Sociedade Brasileira de Ciência e Tecnologia de Alimentos (SBCTA)instacron:SBCTA10.1590/S0101-20612000000300011info:eu-repo/semantics/openAccessVALE,Cauê M.ZAMBIAZI,Rui C.por2001-05-10T00:00:00Zoai:scielo:S0101-20612000000300011Revistahttp://www.scielo.br/ctaONGhttps://old.scielo.br/oai/scielo-oai.php||revista@sbcta.org.br1678-457X0101-2061opendoar:2001-05-10T00:00Food Science and Technology (Campinas) - Sociedade Brasileira de Ciência e Tecnologia de Alimentos (SBCTA)false |
dc.title.none.fl_str_mv |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
title |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
spellingShingle |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial VALE,Cauê M. Redes Neurais Óleos Vegetais Estabilidade |
title_short |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
title_full |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
title_fullStr |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
title_full_unstemmed |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
title_sort |
Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial |
author |
VALE,Cauê M. |
author_facet |
VALE,Cauê M. ZAMBIAZI,Rui C. |
author_role |
author |
author2 |
ZAMBIAZI,Rui C. |
author2_role |
author |
dc.contributor.author.fl_str_mv |
VALE,Cauê M. ZAMBIAZI,Rui C. |
dc.subject.por.fl_str_mv |
Redes Neurais Óleos Vegetais Estabilidade |
topic |
Redes Neurais Óleos Vegetais Estabilidade |
description |
Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido. |
publishDate |
2000 |
dc.date.none.fl_str_mv |
2000-12-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612000000300011 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0101-20612000000300011 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.1590/S0101-20612000000300011 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Ciência e Tecnologia de Alimentos |
publisher.none.fl_str_mv |
Sociedade Brasileira de Ciência e Tecnologia de Alimentos |
dc.source.none.fl_str_mv |
Food Science and Technology v.20 n.3 2000 reponame:Food Science and Technology (Campinas) instname:Sociedade Brasileira de Ciência e Tecnologia de Alimentos (SBCTA) instacron:SBCTA |
instname_str |
Sociedade Brasileira de Ciência e Tecnologia de Alimentos (SBCTA) |
instacron_str |
SBCTA |
institution |
SBCTA |
reponame_str |
Food Science and Technology (Campinas) |
collection |
Food Science and Technology (Campinas) |
repository.name.fl_str_mv |
Food Science and Technology (Campinas) - Sociedade Brasileira de Ciência e Tecnologia de Alimentos (SBCTA) |
repository.mail.fl_str_mv |
||revista@sbcta.org.br |
_version_ |
1752126310473269248 |