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.
DISCRIMINAZIONE PER CLASSI DI QUALITÀ DI PRODOTTI DA FORNO PER PASTICCERIA, IN FUNZIONE DELLA COMPOSIZIONE, CON RETE NEURALE / P.GRADARI; C. CEVOLI; A. GIUNCHI; A. FABBRI; L. RAGNI; A. BERARDINELLI. - STAMPA. - 4:(2007), pp. 43-45. (Intervento presentato al convegno Convegno Nazionale III°, V°e VI° Sezione A.I.I.A. tenutosi a Pisa e Volterra nel 5-7 settembre 2007).
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.
