典型文献
利用粒子群算法优化反向传播人工神经网络模型预测熏肠中4种多环芳烃含量
文献摘要：
构建基于粒子群优化(particle swarm optimization,PSO)算法的反向传播人工神经网络(back propagation artificial neural network,BP-ANN)预测模型,对熏肠中4种多环芳烃(polycyclic aromatic hydrocarbons,PAHs)(苯并(a)芘、苯并(a)蒽、苯并(b)荧蒽、?)含量进行预测.以烟熏温度、烟熏时间、肥瘦比和熏肠色泽(红绿值和黄蓝值)作为BP-ANN模型的输入层参数,熏肠的4种PAHs含量作为输出层参数,通过PSO-BP-ANN模型来优化初始权重和阈值,以获得最佳参数.结果表明:构建的PSO-BP-ANN熏肠PAHs含量预测模型均方误差为0.018,模型的训练、验证、测试和全局数据集的相关系数(R2)分别为0.951、0.929、0.933和0.940,均优于BP-ANN模型,使用PSO-BP-ANN模型具有更好的准确性和鲁棒性.
文献关键词：
熏肠;反向传播人工神经网络;优化设计;多环芳烃;灵敏度分析
中图分类号：
作者姓名：
邢巍;刘兴运;许朝阳;惠腾;王石宇;蔡克周;周辉;陈从贵;徐宝才
作者机构：
合肥工业大学农产品生物化工教育部工程研究中心,安徽合肥 230009;中国农业科学院农产品加工研究所,北京 100081
文献出处：
引用格式：
[1]邢巍;刘兴运;许朝阳;惠腾;王石宇;蔡克周;周辉;陈从贵;徐宝才-.利用粒子群算法优化反向传播人工神经网络模型预测熏肠中4种多环芳烃含量)[J].肉类研究,2022(01):34-40
A类：
熏肠
B类：
粒子群算法,算法优化,反向传播人工神经网络,人工神经网络模型,多环芳烃,芳烃含量,粒子群优化,particle,swarm,optimization,PSO,back,propagation,artificial,neural,network,ANN,polycyclic,aromatic,hydrocarbons,PAHs,荧蒽,烟熏,肥瘦,色泽,红绿,蓝值,输入层,出层,获得最佳,最佳参数,含量预测,均方误差,局数,灵敏度分析
AB值：
0.380498
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
