پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS)
در میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیرخام قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور ترکیبات شیر بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن ها از شیرخام وابسته به شناسایی رفتار دقیق این...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Ferdowsi University of Mashhad
2014-06-01
|
| Series: | مجله پژوهش‌های علوم و صنایع غذایی ایران |
| Subjects: | |
| Online Access: | https://ifstrj.um.ac.ir/article_33777_dabed62569f495a1dcc7d78d992f04a9.pdf |
| _version_ | 1818417392400728064 |
|---|---|
| author | مسعود یاورمنش مصطفی شهیدی نوقابی |
| author_facet | مسعود یاورمنش مصطفی شهیدی نوقابی |
| author_sort | مسعود یاورمنش |
| collection | DOAJ |
| description | در میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیرخام قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور ترکیبات شیر بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن ها از شیرخام وابسته به شناسایی رفتار دقیق این ترکیبات در برابر ویروس ها می باشد. از روش های قابل استفاده در تخمین و پیش بینی بازیافت ویروس می‌توان از شبکه عصبی مصنوعی یا استنتاج فازی-عصبی تطابقی (ANFIS) نام برد. در این تحقیق مدل سازی های جعبه سیاه به نام مدل سازی شبکه‌های عصبی مصنوعی به همراه استنتاج فازی-عصبی تطابقی (ANFIS) به منظور پیش بینی اثر اجزاء موجود در شیر خام بر بازیافت و استخراج ژنوم ویروسی به کار گرفته شده است. همچنین درصد داده های مورد استفاده برای تربیت، ارزیابی و آزمون شبکه عصبی، تعداد لایه های پنهان، تعداد نرون، نوع تابع انتقال و نوع قانون یادگیری و دیگر پارامترهای موثر بر شبکه به عنوان متغیر های شبکه در نظر گرفته شد. در نهایت بر اساس داده های حاصل از مدل سازی، شبکه ای با کمترین خطا و بالاترین ضریب همبستگی انتخاب و گزارش گردید. براساس این تحقیق در شبکه عصبی مصنوعی مدل تلقیح شده با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب هبستگی 919/0r= ومدل (تلقیح نشده – تلقیح شده) با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب همبستگی 956/0 r= انتخاب شد. همچنین در استنتاج فازی-عصبی تطابقی (ANFIS) تابع عضویت گاوسی و مدل فازی TSK برای هر دو مدل تلقیح شده و (تلقیح نشده-تلقیح شده) انتخاب وسپس در مدل تلقیح شده تابع انتقال تانژانت هایپربولیک اکسون خطی و قاعده یادگیری مومنتوم با 879/0 r= ودر مدل (تلقیح نشده- تلقیح شده) تابع انتقال اکسون خطی و الگوریتم یادگیری Step با 889/0 r= به عنوان بهترین مدل برای پیش بینی بازیافت و استخراج ژنوم ویروس معرفی شد. |
| first_indexed | 2024-12-14T12:06:03Z |
| format | Article |
| id | doaj.art-caba40783863437a85a6967dd9eb4bf6 |
| institution | Directory Open Access Journal |
| issn | 1735-4161 2228-5415 |
| language | English |
| last_indexed | 2024-12-14T12:06:03Z |
| publishDate | 2014-06-01 |
| publisher | Ferdowsi University of Mashhad |
| record_format | Article |
| series | مجله پژوهش‌های علوم و صنایع غذایی ایران |
| spelling | doaj.art-caba40783863437a85a6967dd9eb4bf62022-12-21T23:01:52ZengFerdowsi University of Mashhadمجله پژوهش‌های علوم و صنایع غذایی ایران1735-41612228-54152014-06-0110210.22067/ifstrj.v10i2.3782233777پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS)مسعود یاورمنشمصطفی شهیدی نوقابیدر میان مواد غذایی که می تواند به صورت بالقوه ناقل ویروس های بیماری زا باشد شیرخام قرار دارد. بر همین اساس نحوه قرارگیری ویروس های بیماری زا در شیرخام به شدت وابسته به حضور ترکیبات شیر بوده و دستیابی به هرگونه روش جهت استخراج و بازیافت ویروس ها و ژنوم آن ها از شیرخام وابسته به شناسایی رفتار دقیق این ترکیبات در برابر ویروس ها می باشد. از روش های قابل استفاده در تخمین و پیش بینی بازیافت ویروس می‌توان از شبکه عصبی مصنوعی یا استنتاج فازی-عصبی تطابقی (ANFIS) نام برد. در این تحقیق مدل سازی های جعبه سیاه به نام مدل سازی شبکه‌های عصبی مصنوعی به همراه استنتاج فازی-عصبی تطابقی (ANFIS) به منظور پیش بینی اثر اجزاء موجود در شیر خام بر بازیافت و استخراج ژنوم ویروسی به کار گرفته شده است. همچنین درصد داده های مورد استفاده برای تربیت، ارزیابی و آزمون شبکه عصبی، تعداد لایه های پنهان، تعداد نرون، نوع تابع انتقال و نوع قانون یادگیری و دیگر پارامترهای موثر بر شبکه به عنوان متغیر های شبکه در نظر گرفته شد. در نهایت بر اساس داده های حاصل از مدل سازی، شبکه ای با کمترین خطا و بالاترین ضریب همبستگی انتخاب و گزارش گردید. براساس این تحقیق در شبکه عصبی مصنوعی مدل تلقیح شده با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب هبستگی 919/0r= ومدل (تلقیح نشده – تلقیح شده) با تابع انتقال سیگموئید خطی و الگوریتم یادگیری لونبرگ با ضریب همبستگی 956/0 r= انتخاب شد. همچنین در استنتاج فازی-عصبی تطابقی (ANFIS) تابع عضویت گاوسی و مدل فازی TSK برای هر دو مدل تلقیح شده و (تلقیح نشده-تلقیح شده) انتخاب وسپس در مدل تلقیح شده تابع انتقال تانژانت هایپربولیک اکسون خطی و قاعده یادگیری مومنتوم با 879/0 r= ودر مدل (تلقیح نشده- تلقیح شده) تابع انتقال اکسون خطی و الگوریتم یادگیری Step با 889/0 r= به عنوان بهترین مدل برای پیش بینی بازیافت و استخراج ژنوم ویروس معرفی شد.https://ifstrj.um.ac.ir/article_33777_dabed62569f495a1dcc7d78d992f04a9.pdfشیرخامrna ویروسیاجزاء شیرشبکه عصبی مصنوعیاستنتاج فازی-عصبی تطابقی (anfis) |
| spellingShingle | مسعود یاورمنش مصطفی شهیدی نوقابی پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) مجله پژوهش‌های علوم و صنایع غذایی ایران شیرخام rna ویروسی اجزاء شیر شبکه عصبی مصنوعی استنتاج فازی-عصبی تطابقی (anfis) |
| title | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) |
| title_full | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) |
| title_fullStr | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) |
| title_full_unstemmed | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) |
| title_short | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی-عصبی تطابقی(ANFIS) |
| title_sort | پیش بینی تاثیر اجزاء موجود در شیرخام بر بازیافت و استخراج ژنوم ویروس های روده ای با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی عصبی تطابقی anfis |
| topic | شیرخام rna ویروسی اجزاء شیر شبکه عصبی مصنوعی استنتاج فازی-عصبی تطابقی (anfis) |
| url | https://ifstrj.um.ac.ir/article_33777_dabed62569f495a1dcc7d78d992f04a9.pdf |
| work_keys_str_mv | AT msʿwdyạwrmnsẖ pysẖbynytạtẖyrạjzạʾmwjwddrsẖyrkẖạmbrbạzyạftwạstkẖrạjzẖnwmwyrwshạyrwdhạybạạstfạdhạzsẖbḵhhạyʿṣbymṣnwʿywạstntạjfạzyʿṣbytṭạbqyanfis AT mṣṭfysẖhydynwqạby pysẖbynytạtẖyrạjzạʾmwjwddrsẖyrkẖạmbrbạzyạftwạstkẖrạjzẖnwmwyrwshạyrwdhạybạạstfạdhạzsẖbḵhhạyʿṣbymṣnwʿywạstntạjfạzyʿṣbytṭạbqyanfis |