Mesterséges ideghálózatok (ANN) alkalmazása az érzékszervi minősítés gyakorlatában = Application of artificial neural network (ANN) in praxis of the sensory evaluation

Sipos László; Gere Attila; Kókai Zoltán; Szabó Dániel: Mesterséges ideghálózatok (ANN) alkalmazása az érzékszervi minősítés gyakorlatában = Application of artificial neural network (ANN) in praxis of the sensory evaluation. In: Élelmiszervizsgálati közlemények, (58) 1-2. pp. 32-46. (2012)

Cikk, tanulmány, mű elelmiszervizsgalati_kozlemenyek_2012_01-02_032-046.pdf Letöltés (5MB)

Absztrakt (kivonat)

A mesterséges ideghálózatok (ANN) alkalmazásának terjedése a módszernek köszönhetően dinamikus és széleskörű, mivel ezek képesek az adatokban rejlő komplex, nem lineáris mintázatok, kiugró értékek, korrelációk azonosítására, valamint a nem lineáris változók közötti regresszió alkalmazására, értékek és kategóriák előrejelzésére. A különböző neurális hálók (MLF-NNs, RBF-NN, Kohonen hálók) élelmiszertudományi alkalmazása megvalósult, köszönhetően a nagy szoftverfejlesztő cégeknek, amelyek ezeket termékeikbe/programjaikba beépítették. Ezek többek között a következők: MatLab (Neural Network Toolbox), Statistica (Neural Networks), Palisade (NeuralTools), SPSS (Modeler), Alyuda (Neurointelligence), NeuroDimension (Neurosolution). Ennek ellenére a nemzetközi szakirodalomban csak néhány humán érzékszervi vizsgálatokkal kapcsolatos kutatási eredményt publikáltak. A kutatási célunk az ANN módszerének alkalmazása a panelteljesítmény általános jellemzésére, és a panel értékelésétől eltérő tagok azonosítására. Kutatásunkban 5 kereskedelmi forgalomban kapható csemegekukorica mintát elemeztünk, melyeket egy képzetlen és egy képzett 10 fős panel értékelt, 2 ismétlésben. A neurális háló felépítését a 'Best Net Search segítségével végeztük, a képzetlen bírálók esetében a 4 nóduszos MLFN, míg a képzett bírálók esetében az 5 Nóduszos MLFN adta a legjobb predikciót a tréning 80%, teszt 20% beállításokkal, véletlen mintavétellel (Palisade, Neural Tools 5.5). A modellek validációját elvégeztük az érzékszervi panelek teljesítményértékelésére kifejlesztett célszoftver a PanelCheck szoftver Tucker-1 és tojáshéj diagram (eggshell) módszereinek alkalmazásával. Összefoglalásként megállapítottuk, hogy mind a képzetlen (3,6,7,8,9), mind a képzett bírálók (8,9,10) esetében ugyanazokat a bírálókat azonosítottuk eltérő paneltagként a két szoftverrel. The application of the Artificial Neural Networks is more and more widespread in several fields of scientific research due to the flexibility of this method. With the use of an ANN model it can be easily identified outliers, correlation and the complex nonlinear patterns in the data set. Consequently ANN can be applied to space reduction, numerical and/or categorical prediction and of course regression between nonlinear variables. The different types of neural networks (MLF-NNs, RBF-NN, Cohonen networks) have already been transferred to the food sector thanks to those software developing companies who had integrated this method in their products/software, some of them are MatLab (Neural Network Toolbox), Statistica (Neural Networks), Palisade (NeuralTools), SPSS (Modeler), Alyuda (Neurointelligence) and NeuroDimension (Neurosolution). In spite of these there is only a limited number of publications dealing with ANN and human sensory evaluation. The aim was to apply the ANN method to evaluate the performance of a human sensory panel and to identify panel members who perform differently compared to the rest of the panel. In this research five commercially available sweet corn samples were evaluated by a trained and an untrained sensory panel using two replicates. Both of the panels consisted of 10 panelists. The creation of the neural net was performed using ‘Best Net Search’ algorithm, which resulted in case of the untrained panel a 4 nodes MLFN net and in case of the trained panel a 5 nodes MLFN net. The training and testing conditions were set to 80% and 20% with random sampling (Palisade, Neural Tools 5.5). The models were validated by PanelCheck software which is designed to evaluate the performance of sensory panels by the Norwegian Nofima Research Institute. The applied mathematical methods were the Tucker1 and eggshell plots. As a conclusion we have defined that in case of the untrained and trained panel the same assessors were marked as different with the application of the two softwares.

Mű típusa:	Cikk, tanulmány, mű
Egyéb cím:	Anwendung der künstlichen Nervennetzwerke (ANN) in der sensorischen Untersuchung
Befoglaló folyóirat/kiadvány címe:	Élelmiszervizsgálati közlemények
Dátum:	2012
Kötet:	58
Szám:	1-2
ISSN:	0422-9576
Oldalak:	pp. 32-46
Nyelv:	magyar , angol
Kiadó:	Q & M Kft.
Kiadás helye:	Budapest
Befoglaló mű URL:	https://acta.bibl.u-szeged.hu/79330/
Kulcsszavak:	Élelmiszervizsgálat - érzékszervi
Megjegyzések:	Bibliogr.: p. 43-44. ; összefoglalás magyar és angol nyelven
Szakterület:	02. Műszaki és technológiai tudományok 02. Műszaki és technológiai tudományok > 02.10. Egyéb műszaki tudományok és technológiák 02. Műszaki és technológiai tudományok > 02.10. Egyéb műszaki tudományok és technológiák > 02.10.02. Élelmiszer és italfélék
Feltöltés dátuma:	2023. júl. 18. 13:47
Utolsó módosítás:	2023. aug. 26. 08:30
URI:	http://acta.bibl.u-szeged.hu/id/eprint/79564

Bővebben:

Tétel nézet