422 / 632
септрона до самых современных ассоциативных и самоорганизующихся
сетей. Для каждого типа архитектуры и обучающего алгоритма ИНС име
ются функции инициализации, обучения, адаптации, создания, моделирова
ния, демонстрации, а также примеры применения. Элементарным преобра
зователем в этих сетях является искусственный нейрон, названный по ана
логии с биологическим прототипом. Целесообразность использования при
ложения обусловлена наличием оптимизационного блока, позволяющего не
только интерполировать полученные данные, но и выполнять экстраполя
цию, а также эффективно оценивать межфакторные взаимодействия. Сопря
женность Neural Networks с приложением Statistic обеспечивает визуальную
обработку влияний каждого фактора, межфакторных взаимодействий для
двух и трех факторов. Анализ межфакторных взаимодействий для двух фак
торов вели между содержанием в составе добавки КМЦ и МЦ, КМЦ и агар-
агаром, МЦ и агар-агаром, крахмалом и желатином, крахмалом и агар-ага
ром и т.д. Во всех случаях осуществляли интерполяцию и экстраполяцию
третьего визуально невидимого фактора.
Анализ Ternary Graf’s позволяет выявить соотношения компонентов
смеси между тремя факторами обеспечивающих высокие функционально
технологические характеристики.
При определении оптимальной рецептуры необходимо учитывать все
варианты тройственных межфакторных взаимодействий, и осуществлять их
оптимизацию в Statistic Neural Networks.
На рис. 1 представлен оптимизационный Ternary Graf’s для гелеобразу
ющей способности смеси. На рис.2 изображен график оптимизации эмуль
гирующей способности композиции.
у 1 » 6 9 4 3 . 2 3 8 2 * х + 5 0 6 6 . 9 1 7 7 * у - 2 6 2 7 0 . 6 1 1 6 * z + 4 3 3 2 . 7 3 9 5 * х * у + 4 5 7 1 3 . 8 4 0 8
* x * z + 4 9 0 3 5 . 8 6 3 7 * y * z
хитозан
0.00
.
1.00
1.00
0.00
0.00
0.25
0.50
0.75
1.00
крахмал
5000
о
агар-агар
Рисунок 1- Гелеобразующая способность смеси
416
Научная элект онная библиотека ЦНСХБ