Título: Beneficio de redes neuronales en el modelamiento de la optimización del pre-tratamiento osmótico en mermelada de arándano (vaccinium corymbosum l.) variedad biloxi
Fecha de publicación: 9-mar-2018
Institución: Universidad Nacional de Trujillo
Resumen: En la presente investigación se evaluó el beneficio del uso de redes neuronales artificiales (RNA) supervisadas con entrenamiento Backpropagation y algoritmo de Levenberg-Marquard en el modelado de la optimización del pre-tratamiento osmótico en mermelada de arándano variedad Biloxi, el cual fue comparado con el modelado por superficie de respuesta con diseño central compuesto rotacional (MSR), para lo cual se generó un diseño experimental conformado por dos factores (concentración de solución osmótica y tiempo de inmersión) y dos respuestas (contenido de antocianinas y compuestos fenólicos). Los métodos fueron evaluados empleando el coeficiente de determinación R2 y el error porcentual absoluto medio (EPAM), se evaluó también la adecuacidad de los modelos obtenidos mediante la evaluación del cumplimiento de los supuestos de normalidad y homoscedasticidad, además, se evaluó que modelo presentó mejor capacidad de predicción. El modelado con RNA óptimo tuvo topología final conformada por 2 capas de entrada, 1 capa oculta con 11 neuronas y 2 capas de salida; presentando R2 de 85.5 y 92.8% y EPAM de 2.07 y 1.02%, y el modelado con MSR presentó R2 de 87.0 y 91.8% y EPAM de 2.65 y 1.85% para el contenido de antocianinas y compuestos fenólicos, respectivamente. El análisis de multirespuesta para el modelado con RNA para antocianinas (70.75 mg/100g) y compuestos fenólicos (108.20 mg ác. gálico/g) se obtuvo con la concentración de solución osmótica de 1.71 mol/L y tiempo de inmersión de 249.97 min y con MSR para el contenido de antocianinas (71.88 mg/100g) y compuestos fenólicos (111.18 mg ác. gálico/g) con la concentración de solución osmótica de 1.64 mol/L y tiempo de inmersión de 224.11 min. Los modelos obtenidos con MSR (antocianinas y compuestos fenólicos) cumplieron con los supuestos de normalidad y homoscedasticidad, y el modelo obtenido con RNA para la variable respuesta contenido de antocianinas sólo cumplió con el supuesto de normalidad. Ambos modelos presentaron la misma capacidad de predecir respuestas. Teniendo en consideración estas premisas el modelo obtenido con MSR fue más beneficioso, además, ser de manejo práctico y sencillo a comparación de la RNA.
Nota: In the present investigation was evaluated the benefit of the use of artificial neural networks (ANN) supervised with Backpropagation training and Levenberg-Marquard algorithm in the modeling of the optimization of the osmotic pre-treatment in Biloxi variety blueberry jam, which was compared with the response surface model with composite central design (RSM), for which an experimental design was generated consisting of two factors (osmotic solution concentration and immersion time) and two responses (content of anthocyanins and phenolic compounds). The methods were evaluate using the coefficient of determination R2 and the mean absolute percentage error (MAPE). Also, was evaluated the adequacy of the models obtained through evaluating compliance with the assumptions of normality and homoscedasticity, besides, it was evaluated which model presented better prediction capacity. The optimal modeling with ANN had final topology conformed by 2 layers of input, 1 hidden layer with 11 neurons and 2 layers of output; with R2 of 85.5 and 92.8% and MAPE of 2.07 and 1.02%, and RSM modeling presented R2 of 87.0 and 91.8% and MAPE of 2.65 and 1.85% for anthocyanins and phenolic compounds, respectively. The multiresponse analysis for ANN modeling for anthocyanins (70.75 mg/100 g) and phenolic compounds (108.20 mg gallic acid/g) was obtain with the concentration of osmotic solution of 1.71 mol/L and immersion time of 249.97 min and with RSM for the content of anthocyanins (71.88 mg/100 g) and phenolic compounds (111.18 mg gallic acid/g) with osmotic solution concentration of 1.64 mol/L and immersion time of 224.11 min. The models obtained with RSM (anthocyanins and phenolic compounds) complied the assumptions of normality and homoscedasticity, and the model obtained with ANN for the response variable content of anthocyanins only complied the normality assumption. Both models presented the same ability to predict responses. Considering these premises the model obtained with RSM was more beneficial, also, be of practical and simple management in comparison of the ANN.
Disciplina académico-profesional: Maestría en Ciencias mención Estadística Aplicada
Institución que otorga el grado o título: Universidad Nacional de Trujillo.Escuela de Posgrado
Grado o título: Maestro en Ciencias
Fecha de registro: 11-ene-2019