Eksploracyjna analiza i modelowanie procesu ekstruzji błyskawicznych makaronów pełnoziarnistych

• Autorzy: Wójtowicz A. , Marciniak A.

Warianty tytułu

EN

Exploratory analysis and modeling of extrusion-cooking process of precooked whole wheat pasta products

• Języki publikacji: PL

Abstrakty

PL

W pracy przedstawiono możliwości zastosowania sieci bayerowskich do analizy eksploracyjnej i modelowania procesu ekstruzji makaronów błyskawicznych. Wykrywanie i modelowanie zależności pomiędzy parametrami procesu i produktu przeprowadzono za pomocą trzech algorytmów uczenia maszynowego na danych empirycznych uzyskanych podczas procesu wytwarzania makaronów błyskawicznych: MST, Taboo oraz SopLEQ. Otrzymana topologia sieci była zgodna z przewidywaną strukturą zależności wewnątrzprocesowych pomiędzy parametrami procesu a cechami produktu, a oszacowane warunkowe rozkłady prawdopodobieństwa umożliwiły poprawne wnioskowanie predykcyjne i diagnostyczne.

EN

The paper presents application of Bayesian Network to exploratory analysis and modeling of extrusion-cooking process of precooked wholewheat pasta products. For knowledge discovery in extrusion process data and modeling interdependencies of process and product parameters there were used machine learning methods available in BayesiaLab BN modeling system: MST, Taboo and SopLEQ. Resulted BN topology and conditional probability distributions assured satisfied accuracy of both predictive and diagnostic reasoning.

Słowa kluczowe

PL

makaron pełnoziarnisty; ekstruzja; modelowanie; sieci bayesowskie

EN

whole wheat pasta; extrusion-cooking; modeling; Bayesian networks

• Wydawca: Polskie Towarzystwo Inżynierii Rolniczej
• Czasopismo: Inżynieria Rolnicza
• Rocznik: 2010
• Tom: R. 14, nr 7
• Strony: 237--244
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Wójtowicz A.

autor

Marciniak A.

• Katedra Inżynierii Procesowej, Uniwersytet Przyrodniczy w Lublinie,

Bibliografia

• Fornal Ł. 1998. Ekstruzja produktów skrobiowych - nowe wyroby. Pasze Przemysłowe. Nr 3. s. 7-14.
• Ghallab M., Alaoui A. M. 1989. Managing efficiently temporal relations through indexed spanning trees. Proceedings of the 11th international joint conference on Artificial intelligence - Volume 2. Knowledge Representation. Detroit, Michigan. Morgan Kaufmann Publishers Inc. San Francisco. USA. s. 1297-1303.
• Joufee L. 2002. Nouvelle classe de méthodes d’apprentissage de réseaux bayésiens. Journées Francophones d’Extraction et Gestion des Connaissances (EGC 2002). Montpellier. Francja.
• Linko P., Colonna P, Mercier C. 1981. High-temperature, short-time extrusion cooking. w: Advances in Cereal Science and Technology. Volume 4 (red. Pomeranz Y.) AACC. Minnesota. USA. s. 145-235.
• Lu H., Ravi R. 1998. Approximating maximum leaf spanning trees in almost linear time. Journal of Algorithms. 29. s. 132-141.
• Munteanu P., Bendou M. 2002. The EQ framework for learning equivalence classes of Bayesian network. First IEEE International Conference on Data Mining (IEEE ICDM). San José. USA. s. 417-424.
• Kusz A., Marciniak A. W. 2006. Dynamiczne sieci probabilistyczne jako system reprezentacji wiedzy. Inżynieria Rolnicza. Nr 12 (87). s. 285-294.
• Mościcki L., Mitrus M., Wójtowicz A. 2007. Technika ekstruzji w przemyśle rolno-spożywczym. PWRiL. Warszawa. ISBN 9788309010272.
• Ryu G., Ng P. 2001. Effects of selected process parameters on expansion and mechanical properties of wheat flour and whole cornmeal extrudates. Starch/Starke. Nr 53. s. 147-154.
• Wójtowicz A., Marciniak A. 2010. Eksploracyjna analiza i modelowanie procesu ekstruzji błyskawicznych makaronów pełnoziarnistych. Materiały konferencyjne XIII Ogólnopolskiej Konferencji Naukowej „Zastosowanie technologii informacyjnych w rolnictwie”. Kazimierz Dolny. s. 91.