Érzékszervi kedveltség predikciója mesterséges neurális hálózatokkal, fagyasztott csemegekukorica-fajták példáján bemutatva

Sipos László and Losó Viktor and Nyitrai Ákos and Kókai Zoltán and Gere Attila: Érzékszervi kedveltség predikciója mesterséges neurális hálózatokkal, fagyasztott csemegekukorica-fajták példáján bemutatva. In: Élelmiszervizsgálati közlemények, (63) 4. pp. 1740-1751. (2017)

Cikk, tanulmány, mű elelmiszervizsgalati_kozlemenyek_2017_04_1740-1751.pdf Download (1MB)

Abstract

A nemzeti és nemzetközi fajtajegyzékben található csemegekukorica (Zea mays var. saccharata L.) hibridek fajtákra lebontott érzékszervi profiljellemzőiről, fogyasztói preferenciáiról a rendelkezésünkre álló irodalmi forrásokban ismereteink szerint csak néhány publikáció született. Kutatásunkban a mesterséges neurális hálózatok (artificial neural networks, ANNs) gyakorlati alkalmazását mutatjuk be. Vizsgálatunkban 41 fagyasztott csemegekukorica-fajtát egy szakértői érzékszervi bírálócsoport értékelt (14 fő), teljeskörű profilanalízis módszerével (MSZ ISO 11035:2001; ISO 13299:2003), 0-100-ig terjedő strukturálatlan skálán, majd nagymintás tesztben, fogyasztók (167 fő) a 41 fajta közül 6 fajtát jellemeztek kedveltség alapján, 9 elemű strukturált skálán. A mesterséges neurális hálózatok nagymennyiségű adatot igényelnek, ezért a 6 fajtára elkészült szakértői és fogyasztói adatokon 1000-szeres Monté Carlo szimulációt futtattunk, amelynek 80 %-án tréningeztük, 20 %-án pedig teszteltük a létrejött neurális hálókat. A legjobb predikciót a 4 nóduszos többrétegű előrecsatolt (multi-layer feedforward neural net, MLFN) adta, ebben az esetben adódtak a legkisebb maradékok a tréning és a teszt során, amelyeket véletlen számokon történő előrejelzéssel, és keresztellenőrzéssel is validáltunk. Ezzel a felépített modellel jeleztük előre a többi 35 kukoricafajta kedveltségi értékét. A leginkább kedveltnek a ‘Shinerock’ fajta (8,46), míg a predikciók szerint a legkevésbé kedvelt a ‘Madonna’ és a ‘Rustler’ fajták lettek 2,7-es átlagos kedveltségi értékekkel rendelkeztek (1 -9 tagú skálán). A mesterséges neurális hálózat modell megalkotása során sikeresen azonosítottuk azokat a terméktulajdonságokat is, amelyek a fogyasztói elfogadás fő mozgatórugói: édes íz, globális ízintenzitás és lédússág. Összefoglalóan megállapítható, hogy a bemutatott validált termékspecifikus mesterséges neurális hálózat lehetővé teszi az egyes fajtákra vonatkoztatott kedveltség előrejelzését.

Item Type:	Article
Other title:	Prediction of sensory preference by artificial neural networks, using sweet corn varieties as an example
Heading title:	Tudomány = Science
Journal or Publication Title:	Élelmiszervizsgálati közlemények
Date:	2017
Volume:	63
Number:	4
ISSN:	0422-9576
Page Range:	pp. 1740-1751
Language:	Hungarian
Publisher:	WESSLING Nemzetközi Kutató és Oktató Központ Közhasznú Nonprofit Kft.
Place of Publication:	Budapest
Related URLs:	http://acta.bibl.u-szeged.hu/79003/
Uncontrolled Keywords:	Élelmiszervizsgálat - módszer
Additional Information:	Bibliogr.: p. 1750-1751. ; ill. ; összefoglalás magyar nyelven
Subjects:	02. Engineering and technology 02. Engineering and technology > 02.10. Other engineering and technologies 02. Engineering and technology > 02.10. Other engineering and technologies > 02.10.02. Food and beverages
Date Deposited:	2023. Jul. 07. 15:04
Last Modified:	2023. Aug. 26. 08:18
URI:	http://acta.bibl.u-szeged.hu/id/eprint/79182

Actions (login required)

View Item