La presente ricerca ha indagato circa la capacità di caratterizzazione di curve forza-spostamento derivanti da misure di penetrazione effettuate su coni-cialda contenenti diversi quantitativi di polvere lievitante. Utilizzando una rete neurale artificiale (ANN) multistrato, composta da uno solo strato nascosto della dimensione di 200 neuroni, è stato possibile classificare le diverse tipologie di cono con un tasso di fallimento inferiore al 3%. L’accoppiamento delle misure di resistenza con l’analisi mediante rete neurale si è dimostrato uno strumento efficace nel controllo qualità dello specifico ambito industriale.
P.GRADARI, C. CEVOLI, A. GIUNCHI, A. FABBRI, L. RAGNI, A. BERARDINELLI (2007). DISCRIMINAZIONE PER CLASSI DI QUALITÀ DI PRODOTTI DA FORNO PER PASTICCERIA, IN FUNZIONE DELLA COMPOSIZIONE, CON RETE NEURALE. AGNANO PISANO (PI) : Stamperia Editoriale Pisana.
DISCRIMINAZIONE PER CLASSI DI QUALITÀ DI PRODOTTI DA FORNO PER PASTICCERIA, IN FUNZIONE DELLA COMPOSIZIONE, CON RETE NEURALE
GRADARI, PAOLO;CEVOLI, CHIARA;GIUNCHI, ALESSANDRO;FABBRI, ANGELO;RAGNI, LUIGI;BERARDINELLI, ANNACHIARA
2007
Abstract
La presente ricerca ha indagato circa la capacità di caratterizzazione di curve forza-spostamento derivanti da misure di penetrazione effettuate su coni-cialda contenenti diversi quantitativi di polvere lievitante. Utilizzando una rete neurale artificiale (ANN) multistrato, composta da uno solo strato nascosto della dimensione di 200 neuroni, è stato possibile classificare le diverse tipologie di cono con un tasso di fallimento inferiore al 3%. L’accoppiamento delle misure di resistenza con l’analisi mediante rete neurale si è dimostrato uno strumento efficace nel controllo qualità dello specifico ambito industriale.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
