Scientia Agropecuaria (Aug 2012)
Predicción mediante Redes Neuronales Artificiales (RNA) de la difusividad, masa, humedad, volumen y sólidos en yacón (Smallantus sonchifolius) deshidratado osmóticamente
Abstract
Se evaluó la capacidad predictiva de la Red Neuronal Artificial (RNA) en el efecto de la concentración (30, 40, 50 y 60 % p/p) y temperatura (30, 40 y 50°C) de la solución de fructooligosacaridos (FOS) en la masa, humedad, volumen y sólidos en cubos de yacón osmodeshidratados, y en el coeficiente de difusividad efectiva media del agua, con y sin encogimiento. Se aplicó la RNA del tipo Feedforward con los algoritmos de entrenamiento Backpropagation y de ajuste de pesos Levenberg-Marquardt, usando la topología: error meta de 10-5, tasa de aprendizaje de 0.01, coeficiente de momento de 0.5, 2 neuronas de entrada, 6 neuronas de salida, una capa oculta con 18 neuronas, 15 etapas de entrenamiento y funciones de transferencia logsigpurelin. El error promedio global por la RNA fue 3.44% y los coeficientes de correlación fueron mayores a 0.9. No se encontraron diferencias significativas entre los valores experimentales con los valores predichos por la RNA y con los valores predichos por un modelo estadístico de regresión polinomial de segundo orden (p > 0.95).
