亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        BP人工神經網絡在稻米儲藏質量評估中的應用

        2014-05-25 03:43:10曹冬梅張東杰鹿保鑫翟愛華
        中國糧油學報 2014年4期
        關鍵詞:人工神經網絡儲藏預測值

        曹冬梅 張東杰 鹿保鑫 翟愛華

        (黑龍江八一農墾大學食品學院,大慶 163319)

        大米在儲藏過程中,因為沒有谷殼的保護,胚乳直接暴露在空氣中,極易受濕、熱、蟲、霉的影響而變質,不僅影響了大米的食味品質。而且關系到大米儲藏的安全。因此如何準確、快速地預測和監(jiān)控大米質量指標對大米儲藏和品質影響具有十分重要的意義。

        人工神經網絡(ANN,Artificial Neural Networks)是一種應用類似于大腦神經突觸聯(lián)接的結構進行信息處理的數學模型。在工程與學術界也常直接簡稱為神經網絡或類神經網絡。由大量的節(jié)點(或稱神經元)相互聯(lián)接構成。每個節(jié)點代表一種特定的輸出函數,稱為激勵函數(activation function)。每2個節(jié)點間的連接都代表一個對于通過該連接信號的加權值,稱之為權重,這相當于人工神經網絡的記憶。網絡的輸出則依網絡的連接方式,權重值和激勵函數的不同而不同。而網絡自身通常都是對自然界某種算法或者函數的逼近[1]。因此具有強大的信息處理能力,在進行數值的監(jiān)控、預測方面更具有明顯的優(yōu)勢。

        通過檢測大米樣本的脂肪酸值、還原糖、黏度,并以其檢測值作為訓練樣本,建立基于反向傳播算法的人工神經網絡(BP網絡)的大米儲藏品質模型,實現(xiàn)準確、快速預測與監(jiān)控大米的品質隨時間變化的規(guī)律,保證大米的食用品質和安全性。

        1 人工神經網絡及BP算法

        人工神經網絡是由人工建立的以有向圖為拓撲結構的動態(tài)系統(tǒng),通過分析連續(xù)或斷續(xù)輸入的狀態(tài)響應來進行信息處理。其實質是輸入轉化成輸出的一種數學表達式,這種數學關系由網絡的結構來確定[2],ANN所包含的大量神經元可分為輸入層、隱層和輸出層的多層結構。輸入、輸出層為單層,神經元數(也稱節(jié)點數)分別由輸入、輸出變量的數目確定;隱層可以是單層也可以是多層。隱層層數與各隱層節(jié)點數的確定比較復雜,一般應以獲得最優(yōu)網絡性能為目標,根據所研究的具體問題,按經驗或作嘗試比較確定。誤差反向傳播網絡(Back Propagation,BP網絡)是人工神經網絡的重要模型之一,基本的BP網絡拓撲結構見圖1。

        圖1 BP網絡拓樸結構

        ANN是一種新型的黑箱方法,與傳統(tǒng)的線性或非線性回歸方法相比,它具有以下優(yōu)點[3]:ANN具有學習能力;ANN是一個復雜非線性系統(tǒng),對于非線性系統(tǒng)具有較好的處理能力,包括模擬、優(yōu)化和控制;ANN是一種并行運算系統(tǒng),與串行運算相比具有較高的運算速度,響應時間較短,可以滿足在線模擬、在線優(yōu)化、自適應控制的需要。

        2 大米儲藏品質的人工神經網絡模型

        2.1 網絡模型的建立和訓練

        對來自黑龍江省大型米業(yè)集團的同一批次的5個樣本稻米在實驗室室溫下避光儲藏360 d,按照國標方法(LS/T 6101—2002谷物黏度測定、GB/T 5009.7—2003食品中還原糖的測定、GB/T 15684—1995谷物制品脂肪酸值測定法)每隔15天檢測其脂肪酸值,還原糖和黏度值,見表1。

        2.2 樣本數據預處理

        將表1中的檢測值數據作為樣本的訓練數據,進行歸一化處理,即通過變換處理將網絡的輸入、輸出數據限制在[0,1]或[-1,1]區(qū)間內。從而使網絡訓練一開始就給各輸入分量以同等重要的地位。處理后的數據見表1(歸一化處理后數據)。

        表1 實驗室儲藏大米的脂肪酸值、還原糖和黏度檢測值和歸一化處理后數據樣本

        3 結果與分析

        對表1的24個樣本(黏度值選擇12個樣本)進行訓練BP網絡,該BP網絡采用輸入層為3個結點,輸出層為1個結點,而隱含層有8個結點。取學習率為0.1,取動量系數為0.6,初始權值為0.3。輸入 BP神經網絡,對其進行學習訓練,迭代計算,直到輸出的誤差足夠小,能對24個樣本(黏度值12個樣本)進行正確選擇,將已知數據代入模型進行學習與訓練,結果見圖2、圖5、圖8。

        3.1 脂肪酸

        由圖2可知,所設計的大米脂肪酸值神經網絡模型用實測的24組樣本數據進行訓練,當步長達到103次的時候,輸出層的均方誤差就達到了4.23×10-6,滿足訓練參數中要求的目標誤差要求。利用模型得到大米脂肪酸值的預測值與實測值的結果如圖3、圖4所示。

        圖2 脂肪酸值的訓練誤差曲線

        圖3 脂肪酸值的預測值與實測值的擬合曲線

        圖4 脂肪酸值的預測值與實際值的絕對誤差曲線

        由圖3、圖4可知,應用神經網絡模型預測數據與實測數據的對比來看,BP神經網絡檢測性能較好,絕對誤差在±0.004之間,誤差較小,BP神經網絡模型的預測效果好。為了進一步驗證預測模型的有效性,對5個樣本稻米進一步儲藏,每15 d檢測其脂肪酸值與建立的神經網絡預測值進行比較分析,見表2。

        表2 脂肪酸值的預測值與實測值

        由表2可知,平均相對誤差為0.17%,小于0.01,故模型可以用來預測大米在儲藏時脂肪酸值隨時間變化的規(guī)律。

        3.2 還原糖

        由圖5中可知,所設計的大米還原糖神經網絡模型用實測的24組樣本數據進行訓練,在經過152步以后,輸出層的均方誤差就達到了4.51×10-5,滿足訓練參數中要求的目標誤差要求。利用模型得到大米還原糖的預測值與實測值的結果如圖6、圖7所示。

        圖5 還原糖的訓練誤差曲線

        由圖6、圖7可知,應用神經網絡模型預測數據與實測數據的對比來看,BP神經網絡檢測絕對誤差在±0.015之間,誤差較小,BP神經網絡模型的預測效果好。為了進一步驗證預測模型的有效性,對5個樣本稻米進一步儲藏,每15 d檢測其還原糖與建立的神經網絡預測值進行比較分析,見表3。

        圖6 還原糖的預測值與實測值的擬合曲線

        圖7 還原糖的預測值與實際值的絕對誤差曲線

        表3 BP神經網絡的預測結果

        由表3可知,平均相對誤差為0.17%,小于0.01,故模型可以用來預測大米在儲藏時還原糖含量隨時間變化的規(guī)律。

        3.3 黏度

        從圖8中可以看出,在經過90步以后,輸出層的均方誤差就達到了1.54×10-8,滿足訓練參數中要求的目標誤差要求。利用模型得到大米黏度的預測值與實測值的結果如圖9、圖10所示。

        由圖9、圖10可知,應用神經網絡模型預測數據與實測數據的絕對誤差在-0.000 25~0.000 2之間,預測效果好。為了進一步驗證預測模型的有效性,對5個樣本稻米進一步儲藏,每15 d檢測其黏度值與建立的神經網絡預測值進行比較分析,見表4。

        由表4可以看出,平均相對誤差為0.24%,小于0.01,故模型可以用來預測大米在儲藏時黏度隨時間變化的規(guī)律。

        圖8 黏度的訓練誤差曲線

        圖9 黏度的預測值與實測值的擬合曲線

        圖10 黏度的預測值與實際值的絕對誤差曲線

        表4 BP神經網絡的預測結果

        4 結論

        基于BP人工神經網絡建立了大米儲藏品質的預測模型,用該模型預測大米的脂肪酸值、還原糖含量和黏度隨時間變化的規(guī)律,通過實測值與預測值的對比驗證,確定了預測模型的有效性。利用該模型可以快速、準確監(jiān)控大米品質的變化情況,在品質發(fā)生劣變之前采取有效措施,保證大米的食用品質和安全性。

        [1]張青貴.人工神經網絡導論[M].北京:中國水利水電出版社,2004:11-13

        [2]Hecht- Nielsen R.Theory of Back propagation Neural Networks[M].Proc.IEEE IJCNN,1989:593 -603

        [3]羅鑫,沈大中,馮冬青.神經網絡算法在暖通空調控制中的應用[J].微計算機信息(測控自動化),2009,25(1):26-28

        [4]李季,蒲彪.人工神經網絡在食品微生物發(fā)酵中的應用[J].食品研究與開發(fā),2009,30(4):171 -173

        [5]Eberhart R C,Dobbins RW.Neural Network PC Tools[M].Academic Press,1990,35 -58

        [6]Gironif,Poggio T.Representation properties of network:kolmogorov’s theorem is irrelevant[J].Neural Computation,1989(1):465-469

        [7]TakefuJi Y,Lee k C.A parallel algorithm for tiling problems[J].IEEE Trans.Neural Networks,1990,1(1):143 -145

        [8]Klopf A H.The hedonistic neuron:a theory of memory,learning,and intelligence[M].Hemisp - here,Washington,DC,1982

        [9]McAvoy T J,Wang N S,Naidu S,etal.Interpreting biosensor data via backpropagation[M].International Joint Conference on Neural Networks,1989(1):227 -233

        [10]Psaltis D,Sideris A,Yamamura A A.A multilayered neural network controller[J].IEEE Co - ntrol Systems Magazine,1988,8(2):17 -21

        [11]孫永海,萬鵬,于春生.基于BP神經網絡的大米含水量近紅外檢測方法[J].中國糧油學報,2008,23(6):193-197

        [12]汪小芳.基于人工神經網絡利用機械特性檢測蘋果品質方法的研究[D].華中農業(yè)大學,2006

        [13]聞新著.MATLAB神經網絡仿真與應用[M].科學出版社,2003(7):258-284

        [14]錢永中.應用于農藥殘留對人體暴露評估的蒙特卡洛方法及其進展[J].農業(yè)質量標準,2007(5):43-46

        [15]劉瀟威.農產品中重金屬風險評估的研究進展[J].農業(yè)環(huán)境科學學報,2007,26(1):15 -18.

        猜你喜歡
        人工神經網絡儲藏預測值
        IMF上調今年全球經濟增長預期
        企業(yè)界(2024年8期)2024-07-05 10:59:04
        加拿大農業(yè)部下調2021/22年度油菜籽和小麥產量預測值
        ±800kV直流輸電工程合成電場夏季實測值與預測值比對分析
        利用人工神經網絡快速計算木星系磁坐標
        法電再次修訂2020年核發(fā)電量預測值
        國外核新聞(2020年8期)2020-03-14 02:09:19
        人工神經網絡實現(xiàn)簡單字母的識別
        電子制作(2019年10期)2019-06-17 11:45:10
        西藥藥品的儲藏探討
        便于儲藏的美味
        科學啟蒙(2016年11期)2016-12-09 19:06:45
        “蘊藏”和“儲藏”
        不同包裝及儲藏條件對酥油微生物的影響
        西藏科技(2015年4期)2015-09-26 12:12:45
        手机AV片在线| 性色av浪潮av色欲av| 国产精品久久久久国产a级| 免费一级黄色大片久久久| 国产三级视频在线观看国产 | av在线不卡一区二区| 国产av无码国产av毛片| 老少交欧美另类| yw193.can尤物国产在线网页| 日本精品一级二区三级| 97人妻人人做人碰人人爽| 十八岁以下禁止观看黄下载链接| 特级毛片a级毛片在线播放www| 五月婷婷开心五月激情| 欧美黑寡妇特a级做爰| 女人与牲口性恔配视频免费 | 护士的小嫩嫩好紧好爽| 日韩精品中文字幕无码一区| 国产乱子伦农村xxxx| 日本中文字幕乱码中文乱码| 激情伊人五月天久久综合| 精品无码久久久久久久动漫| 人妻少妇喷水意淫诱惑| 最好看的亚洲中文字幕| 久久99精品国产麻豆宅宅| 欧美人与禽交zozo| 日本av一区二区三区四区| 天天做天天添av国产亚洲| 亚洲综合av在线在线播放| 国产黄色精品高潮播放| 精品少妇一区二区三区免费 | 亚洲国产精品成人av在线不卡| 午夜福利一区二区三区在线观看| 精品精品久久宅男的天堂| 亚洲综合小综合中文字幕| 强开小婷嫩苞又嫩又紧视频韩国| 亚洲视频一区 | 乱码1乱码2美美哒| 欧美国产日韩a在线视频| 国产颜射视频在线播放| 男女18视频免费网站|