| Маркер записи | n 22 3 4500 |
| Контрольный номер | pipr23_no3_ss92_ad2 |
| Дата корректировки | 9:14:25 31 мая 2023 г. |
| Кодируемые данные | 230425s2023||||RU|||||||||||#||||# rus0| |
| Системный контрольный номер | RUMARS-pipr23_no3_ss92_ad2 |
| AR-MARS | |
| Служба первич. каталог. |
ОГБУК АО "Астраханская областная научная библиотека им. Н. К. Крупской" МАРС |
| Код языка каталог. | rus |
| Код языка издания |
rus rus |
| Индекс УДК | 663/664 |
| Индекс ББК | 36.81 |
| Таблицы для массовых библиотек | |
|
Резниченко, И. Ю. доктор технических наук Ирина Юрьевна Кузбасская государственная сельскохозяйственная академия 070 |
|
|
Ранжирование сенсорных характеристик пищевых продуктов с помощью нейронных сетей Ирина Юрьевна Резниченко, Антон Валерьевич Шафрай, Наталья Юрьевна Рубан, Татьяна Александровна Донченко |
|
| Иллюстрации/ тип воспроизводства | 2 табл., 3 рис. |
| Текст | |
| непосредственный | |
| Библиография | Библиогр.: с. 100-101 (23 назв.) |
| Аннотация | Сенсорная оценка пищевых продуктов имеет широкое практическое применение при проведении экспертизы качества, так как позволяет получить информацию о качественных характеристиках продукта, важных для потребителя. Сенсорная оценка важна при разработке новых продуктов питания, имеет значение при оценке удовлетворенности потребителя продуктами, реализуемыми ритейлом. Выявление критериев качества, неудовлетворяющих потребительский спрос, позволяет производителям получить ценную информацию для разработки нового продукта, оптимизации рецептурного состава выпускаемого продукта, для улучшения сенсорных качеств, удовлетворяющих потребительский спрос. Традиционные методы сенсорной оценки позволяют дать качественную оценку и не могут дать объективную количественную информацию, необходимую для формирования качественных показателей продукта. В связи с чем в последнее время используются различные методы искусственного интеллекта, такие как нечеткая логика, машинное обучение, искусственные нейронные сети и другие, имитирующие человеческое поведение при принятии решения о покупке, позволяющие определить предпочтения атрибутов качества и установить критерии принятия продукта. Объектами исследований служили образцы творожных глазированных продуктов, реализуемых на потребительском рынке г. Кемерово. Исследование было направлено на выявление лучшего образца творожного продукта из десяти коммерческих видов по сенсорным характеристикам. Пять критериев качества образцов были проанализированы экспертной группой, состоящей из 14 человек. Взаимосвязь между сенсорными данными и рангами, присвоенными экспертной комиссией, исследована с использованием модели искусственных нейронных сетей. В результате исследований получены новые данные о сенсорной оценке образцов глазированных творожных сырков, представленных отечественным ритейлом, проранжированы в порядке снижения качества 10 образцов, коэффициент конкордации свидетельствует о том, что мнения экспертов согласованы и данные можно считать достоверными. Установлена взаимосвязь между сенсорными характеристиками и рангами, присвоенными экспертной комиссией, и обработанными данными с использованием модели искусственных нейронных сетей. Удалось смоделировать оценку образцов при помощи нейронной сети. |
|
Пищевые производства AR-MARS Основные процессы и аппараты пищевых производств AR-MARS |
|
| Ключевые слова |
творожные продукты творожные глазированные сырки творожные сырки глазированные сырки сенсорные характеристики ранжирование сенсорных характеристик молочные продукты математическое моделирование искусственные нейронные сети сенсорный анализ качества творожных продуктов анализ качества творожных продуктов нейронные сети исследования |
|
Шафрай, А. В. кандидат технических наук Антон Валерьевич Кемеровский государственный университет 070 Рубан, Н. Ю. кандидат технических наук Наталья Юрьевна Кемеровский государственный университет 070 Донченко, Т. А. Татьяна Александровна Центр гигиены и эпидемиологии в Кемеровской области 070 |
|
| ISSN | 0235-2486 |
| Название источника | Пищевая промышленность |
| Место и дата издания | 2023 |
| Прочая информация | № 3. - С. 92-96 |
|
RU 41417097 20230425 RCR |
|
|
RU 41417097 20230425 |
|
|
RU AR-MARS 20230502 RCR |
|
|
RU AR-MARS 20230502 |
|
| Тип документа | b |
|
code year no ss ad |
|
|
pipr 2023 3 92 2 |
|
| 337 | |
| IT-технологии и автоматизированные системы |
