Статті
Постійне посилання на розділhttps://dspace.nuft.edu.ua/handle/123456789/7372
Переглянути
3 результатів
Результати пошуку
Документ Інтелектуальна мультисенсорна система для аналітичного контролю ковбасних виробів(2019) Калініченко, Ася Олександрівна; Арсеньєва, Лариса ЮріївнаРозроблено методику інтелектуального аналізу хімічних образів запахів електронного носа для оцінки автентичності та мікробіологічної безпечності варених ковбасних виробів. Досліджено інформативність параметрів, вилучених з статичних відгуків мультисенсорної системи та робастність хемометричних алгоритмів для вирішення задач якісного та кількісного аналізу складу летких сполук ковбасних виробів. Розроблено класифікаційну модель з використанням максимальних сигналів сенсорів як вхідних векторів оптимізованої імовірнісної нейронної мережі, що дозволяє з 100 % точністю ідентифікувати зразки різного сорту та виявити фальсифіковані зразки соєвим ізолятом. Розроблені регресійні моделі з використанням площ кривих відгуків сенсорів та методу проекції на латентні структури для оцінки мікробіологічної безпечності ідентифікованих зразків з відносною похибкою прогнозування показника КМАФАнМ менше 12%. Використання робастної методики оцінки автентичності, фальсифікації, загального мікробного показника ковбасних виробів за одне вимірювання з використанням електронного носа в поєднанні з машинним навчанням дозволить суттєво зменшити тривалість та знизити собівартість аналізу, уникнути суб’єктивності оцінки результатів.Документ Підходи до вилучення параметрів з відгуків електронного носа(2017) Калініченко, Ася Олександрівна; Арсеньєва, Лариса Юріївна; Буценко, Юрій ПавловичВ статті розглядаються підходи до вилучення параметрів з вихідних динамічних відгуків сенсорів електронного носа з метою отримання інформацію щодо кількісної зміни летких продуктів окиснення ліпідів. Запропоновано нові та оптимізовані відомі підходи та алгоритми вилучення інформативних параметрів: з вихідних цифрових сигналів одиничних сенсорів, з моделей сигналів, апроксимованих лог- нормальною та поліноміальною функціями, з візуального образу запаху, побудованого з використанням скорочених вихідних відгуків масиву сенсорів. Оптимізовані математичні моделі та запропоновані алгоритми вилучення та стиснення змістовних даних демонструють значне підвищення ефективності наступного використання регресійного методу проекції на латентні структури.Документ Використання електронного носа та ймовірнісної нейронної мережі для ідентифікації ковбас(2017) Калініченко, Ася Олександрівна; Арсеньєва, Лариса Юріївна; Пасічний, Василь МиколайовичЗапропоновано спосіб ідентифікації ковбасних виробів та визначення масового вмісту в них соєвих продуктів із викори- станням електронного носа та ймовірнісної нейронної мережі. Оптимізовано архітектуру нейронної мережі для дискриміна- ції зразків за параметрами електронного носа: Si (надійність класифікації становить 95,8% за значень параметра згладжу- вання σ=3,6–54,0) та ΔFimax (100% точність ідентифікації за значень σ=0,2–1,0).