Mesterséges neurális hálózatok élelmiszertudományi alkalmazásai és nemzetközi trendjei Food science applications and international trends of artificial neural networks

Nyitrai, Ákos and Gere, Attila and Sipos, László (2018) Mesterséges neurális hálózatok élelmiszertudományi alkalmazásai és nemzetközi trendjei Food science applications and international trends of artificial neural networks. ÉLELMISZERVIZSGÁLATI KÖZLEMÉNYEK, 64 (3). pp. 2140-2163. ISSN 0422-9576

Preview

Text Wessling EVIK 19 - Nyitrai-tudomany.pdf Download (1MB) | Preview

Abstract

A mesterséges neurális hálózatok rendszere napjainkra egyre inkább a kutatások fókuszába került, melynek eredményeit az ipari gyakorlatok számos helyen alkalmazzák. Sikerességük abban rejlik, hogy képesek az adatokban rejlő komplex kapcsolatok, és az adatokban rejlő mintázatok felismerésére, valamint az ismeretlen minták előrejelzésére is, így segítségükkel érték és kategória előrejelzések tehetők meg nagy biztonsággal. A mesterséges neurális hálózatok nagyon hatékony eszközök a nem lineáris trendek adatokon belüli modellezéséhez. Sok esetben ott is jól teljesítenek, ahol a hagyományos statisztikai eszközök nem kielégítő eredményeket mutatnak, vagy nem képesek adott kutatási probléma megoldására. Munkánkban összefoglaljuk a neurális hálózatok működési elvét, felépítését (topológiáját), a hálózatok csoportosítását és alkalmazási lehetőségeit. Külön részben mutatjuk be a felhasználási típusok alapján − predikció, osztályozás, optimalizálás − a legújabb élelmiszertudományi alkalmazásokat. Az eredmények azt mutatják, hogy a mesterséges neurális hálózatok számos előnyös tulajdonsággal rendelkeznek, melyek kifejezetten alkalmassá teszik őket az élelmiszertudományi feladatok megoldására. Recently, research has been focusing increasingly on the system of artificial neural networks, and its results are used in many places by industrial practices. The success of these networks lies in their ability to recognize the complex relationships and patterns in data, as well as to predict unknown samples, thus enabling value and category predictions with high certainty. Artificial neural networks are very efficient tools for modeling non-linear trends within data. In many cases, they perform well where traditional statistical tools provide unsatisfactory results or unable to solve a given research problem. In our work, the operation principle and structure (topology) of artificial neural networks are summarized, as well as the classification and application possibilities of the networks. The latest food science applications are presented separately, based on the usage type (prediction, classification, optimization). Results show that artificial neural networks possess many beneficial properties, making them especially suitable for solving food science tasks.

Actions (login required)

Edit Item