MODELING AND OPTIMIZATION OF CONSTANT RETORT TEMPERATURE (CRT) THERMAL PROCESSING USING COUPLED NEURAL NETWORKS AND GENETIC ALGORITHMS
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
ABSTRACT Coupled artificial neural network (ANN) models and genetic algorithms (GA) were applied for developing prediction models and for optimization of constant temperature retort (CRT) thermal processing of conduction heating foods. ANN prediction models were developed for process time (Pt), average quality retention (Qv), surface cook value (Fs), equivalent energy consumption (En), final temperature difference (T g ) at can center, and lethality ratio (p, heating/total lethality). The processing conditions as inputs for ANN models were as follows: retort temperature (RT = 110–140C), thermal diffusivity (α= 1.1–2.14*10 −7 m 2 /s), volume of can (V = 1.64–6.55*10 −4 m 3 ), ratio of height to diameter of can (R dh = 0.2–1.8), total desired lethality value (F 0 = 5–10 min) at can center and quality kinetic destruction parameters: decimal destruction time (D q – 150–300 min) and their temperature dependence (z q = 15–40C). The data for training and testing ANN models were obtained from a finite difference computer simulation program. A second order central composite design was used for constructing the experimental data for training ANN models, while an orthogonal experimental design with 6 factors and 3 levels was used for the generalization of trained ANN models. ANN model linked Genetic Algorithms (GA) were employed for searching for the optimal quality retention and corresponding retort temperature, and for investigating the effects of main processing factors. ANN‐based prediction models successfully described the various outputs of CRT thermal processing (correlation coefficients: R 2 > 0.98; relative errors: Er ≤ 3%). The coupled ANN‐GA models, verified under several typical processing conditions, could be effectively used for optimization of CRT thermal processing. The main processing conditions and their interactions in the order of their importance with respect to the optimal quality retention and corresponding retort temperature were: V >z q >R dh >; and z q >F d > R dh >V, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle