文献

J-GLOBAL ID：202202236777506875   整理番号：22A0588629

魚球の物理的,テクスチャ,官能的および栄養品質パラメータに及ぼす空気-フライイング時間および温度の影響を予測するための人工ニューラルネットワークモデル【JST・京大機械翻訳】

Artificial Neural Network Models for Predicting and Optimizing the Effect of Air-frying Time and Temperature on Physical, Textural, Sensory, and Nutritional Quality Parameters of Fish Ball

著者 (5件)： Chalil George Joshy (Fish Processing Division, ICAR-Central Institute of Fisheries Technology, Cochin, India) ,  Antony Shirin (Food Science and Technology, Kerala University of Fisheries and Ocean Studies, Ernakulam, India) ,  Ninan George (Fish Processing Division, ICAR-Central Institute of Fisheries Technology, Cochin, India) ,  Kumar K. Ashok (Fish Processing Division, ICAR-Central Institute of Fisheries Technology, Cochin, India) ,  Ravishankar Chandragiri Nagarajarao (Fish Processing Division, ICAR-Central Institute of Fisheries Technology, Cochin, India)
資料名： Journal of Aquatic Food Product Technology  (Journal of Aquatic Food Product Technology)
巻： 31  号： 1  ページ： 35-46  発行年： 2022年 
JST資料番号： W0548A  ISSN： 1049-8850  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 空気フライイング魚ボールの物理的,テクスチャー的,官能的及び栄養的品質パラメータに及ぼす空気フライイング時間及び温度の影響を見るために研究を行い,ディープフライイング魚ボールの品質パラメータと比較した。多層フィードフォワード人工ニューラルネットワーク(ANN)モデルを実験データに当てはめ,フライイング温度と時間の関数として空気フライイング魚ボールの応答変数を予測した。モデルを,ホールドアップ法を用いて検証した。R2およびRMSE値に基づいて,3つの隠れ層を有するANNモデルは,近似組成,テクスチャおよび官能データにおける変動性を説明する最良の適合モデルであることが分かった。得られた望ましい空気フライイング条件は,200oCの温度と8分の時間であり,マルチ応答望ましさスコアであった。望ましい条件での空気フライイング魚ボールは,ディープフライイング試料と比較して,脂肪含量が81%減少し,蛋白質含量が17%増加した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  *フライイング ,  ホールドアップ ,  近似法 ,  フィードフォワード ,  多層
準シソーラス用語： 神経回路網モデル ,  隠れ層 ,  ディープファットフライイング ,  脂肪含量 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： エアフライイング ,  魚球 ,  人工ニューラルネットワーク ,  多変量望ましさスコア ,  応答変数

分類 (2件)： 動物性水産食品  (FJ13020C) ,  食品の品質  (FJ01040F)

タイトルに関連する用語 (8件)： 魚 ,  物理 ,  テクスチャ ,  栄養 ,  パラメータ ,  フライイング ,  予測 ,  人工ニューラルネットワークモデル