Érzékszervi kedveltség predikciója mesterséges neurális hálózatokkal, fagyasztott csemegekukorica-fajták példáján bemutatva
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 me...
Elmentve itt :
| Szerzők: | |
|---|---|
| Dokumentumtípus: | Cikk |
| Megjelent: |
WESSLING Nemzetközi Kutató és Oktató Központ Közhasznú Nonprofit Kft.
Budapest
2017
|
| Sorozat: | Élelmiszervizsgálati közlemények
63 No. 4 |
| Kulcsszavak: | Élelmiszervizsgálat - módszer |
| Tárgyszavak: | |
| Online Access: | http://acta.bibl.u-szeged.hu/79182 |
| LEADER | 03329nab a2200277 i 4500 | ||
|---|---|---|---|
| 001 | acta79182 | ||
| 005 | 20230826081802.0 | ||
| 008 | 230707s2017 hu o 0|| hun d | ||
| 022 | |a 0422-9576 | ||
| 040 | |a SZTE Egyetemi Kiadványok Repozitórium |b hun | ||
| 041 | |a hun | ||
| 100 | 1 | |a Sipos László | |
| 245 | 1 | 0 | |a Érzékszervi kedveltség predikciója mesterséges neurális hálózatokkal, fagyasztott csemegekukorica-fajták példáján bemutatva |h [elektronikus dokumentum] / |c Sipos László |
| 260 | |a WESSLING Nemzetközi Kutató és Oktató Központ Közhasznú Nonprofit Kft. |b Budapest |c 2017 | ||
| 300 | |a 1740-1751 | ||
| 490 | 0 | |a Élelmiszervizsgálati közlemények |v 63 No. 4 | |
| 520 | 3 | |a 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. | |
| 650 | 4 | |a Műszaki és technológiai tudományok | |
| 650 | 4 | |a Egyéb műszaki tudományok és technológiák | |
| 650 | 4 | |a Élelmiszer és italfélék | |
| 695 | |a Élelmiszervizsgálat - módszer | ||
| 700 | 0 | 1 | |a Losó Viktor |e aut |
| 700 | 0 | 1 | |a Nyitrai Ákos |e aut |
| 700 | 0 | 1 | |a Kókai Zoltán |e aut |
| 700 | 0 | 1 | |a Gere Attila |e aut |
| 856 | 4 | 0 | |u http://acta.bibl.u-szeged.hu/79182/1/elelmiszervizsgalati_kozlemenyek_2017_04_1740-1751.pdf |z Dokumentum-elérés |