Régression linéaire, réseau neuronal et analyse par induction pour déterminer les effets de la récolte et de la transformation sur la qualité du surimi.

Linear regression, neural network and induction analysis to determine harvesting and processing effects on surimi quality.

Auteurs : PETERS G., MORRISSEY M. T., SYLVIA G., BOLTE J.

Type d'article : Article

Résumé

On a utilisé la régression linéaire multiple, les réseaux neuronaux et l'induction M5 pour déterminer les variables significatives dans l'industrie. Les facteurs significatifs comprenaient les variables intrinsèques du poisson (teneur en humidité, salinité, pH, longueur, masse) et variables de transformation (durée de transformation, température d'entreposage, date de récolte, durée du lavage, rapports de lavage). La plupart des variables étaient très interactives et non linéraires. Les informations dérivées de ces modèles ont des conséquences pour la production et les décisions de gestion.

Détails

  • Titre original : Linear regression, neural network and induction analysis to determine harvesting and processing effects on surimi quality.
  • Identifiant de la fiche : 1997-2268
  • Langues : Anglais
  • Source : Ital. J. Food Sci. - vol. 61 - n. 5
  • Date d'édition : 09/1996
  • Document disponible en consultation à la bibliothèque du siège de l'IIF uniquement.

Liens


Voir d'autres articles du même numéro (7)
Voir la source