神经网络在食用香精性能评价中的应用研究

doi:10.3778/j.issn.1002-8331.2009.28.072

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (28): 240-243.DOI: 10.3778/j.issn.1002-8331.2009.28.072

神经网络在食用香精性能评价中的应用研究

盛家川^1，2

1.天津大学计算机科学与技术学院，天津 300072
2.天津财经大学理工学院，天津 300200

收稿日期:2007-11-13 修回日期:2008-09-03 出版日期:2009-10-01 发布日期:2009-10-01
通讯作者: 盛家川

Research on food flavor performance evaluation based on BP neural networks

SHENG Jia-chuan^1，2

1.College of Computer Science and Technology，Tianjin University，Tianjin 300072，China
2.School of Sciences，Tianjin University of Finance and Economics，Tianjin 300200，China

Received:2007-11-13 Revised:2008-09-03 Online:2009-10-01 Published:2009-10-01
Contact: SHENG Jia-chuan

摘要/Abstract

摘要： 主要探讨人工神经网络在食用香精性能评价方面的应用。利用神经网络的误差反向传播（BP）算法，结合配方设计中的成分、比例等数据信息建立了食用香精性能评价模型，该模型可实现对新产品的自动评价并得到较准确的评价结果，有效缩短新产品的研发周期。

关键词: BP神经网络, 香精配方, 性能评价

Abstract: Neural network to food flavor performance evaluation is applied.Based on Back-Propagation（BP） neural networks，combining with the formula design information of component and proportion etc，this paper gets the performance evaluation model for food flavor.The model presents the valuable information of flavor prescription through automatic valuation.The experimental results are proved to be highly accurate，and the research and development period can be shortened.

Key words: Back-Propagation（BP） neural networks, flavor prescription, performance evaluation

中图分类号:

TP391

盛家川^1，2. 神经网络在食用香精性能评价中的应用研究[J]. 计算机工程与应用, 2009, 45(28): 240-243.

SHENG Jia-chuan^1，2. Research on food flavor performance evaluation based on BP neural networks[J]. Computer Engineering and Applications, 2009, 45(28): 240-243.

[1]	郑建锋，王应明. 基于DEA-BP神经网络的效率置信区间预测模型研究[J]. 计算机工程与应用, 2021, 57(3): 273-278.
[2]	黄晶晶，王建宏. 分数阶非因果BP神经网络模型[J]. 计算机工程与应用, 2021, 57(23): 91-97.
[3]	曹林根，宓超. 集装箱箱号字符识别算法研究[J]. 计算机工程与应用, 2021, 57(15): 178-185.
[4]	楚彭子，虞翊，林辉，袁建军，姜西. ATO系统速度控制的BP-FIPID算法[J]. 计算机工程与应用, 2020, 56(22): 224-229.
[5]	冯玉芳1，2，卢厚清1，殷宏1，曹林1. 基于BP神经网络的故障诊断模型研究[J]. 计算机工程与应用, 2019, 55(6): 24-30.
[6]	邓烜堃1，2，万良1，2，黄娜娜1，2. 基于DAE-BP神经网络的股票预测研究[J]. 计算机工程与应用, 2019, 55(3): 126-132.
[7]	王勇，杨锦，王瑛. 改进Henon超混沌系统与AES结合的图像加密算法[J]. 计算机工程与应用, 2019, 55(22): 180-186.
[8]	顾婷婷，刘新会，桑庆兵，李朝锋. 基于双树复小波的无参考立体图像质量评价[J]. 计算机工程与应用, 2019, 55(2): 154-161.
[9]	杨霞，朱晓冬，刘元宁，冯家凯，刘帅. 分块小波特征结合BP神经网络的虹膜识别方法[J]. 计算机工程与应用, 2019, 55(18): 132-139.
[10]	卞京红1，贺兴时1，范钦伟1，伊宝民2. 基于自适应花授粉算法的BP神经网络结构优化[J]. 计算机工程与应用, 2018, 54(3): 50-56.
[11]	赵亚飞，韦广梅. 基于BP神经网络的有限元应力修匀的研究[J]. 计算机工程与应用, 2018, 54(13): 67-72.
[12]	韦鹏宇1，2，4，潘福成1，2，3，李帅3. 改进人工蜂群优化BP神经网络的分类研究[J]. 计算机工程与应用, 2018, 54(10): 158-163.
[13]	费运巧1，刘文萍1，骆有庆2，陆鹏飞2. 森林病虫害监测中的无人机图像分割算法比较[J]. 计算机工程与应用, 2017, 53(8): 216-223.
[14]	周静1，赵鲁阳1，罗炬锋1，2. 基于时域特征提取的围栏入侵模式分类方法[J]. 计算机工程与应用, 2017, 53(21): 98-102.
[15]	刘裕国，王浩，姚宏亮，李俊照. 水平窗口能量计算的股市趋势预测算法[J]. 计算机工程与应用, 2017, 53(21): 225-232.

神经网络在食用香精性能评价中的应用研究

Research on food flavor performance evaluation based on BP neural networks

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics