The hypothesis of the work assumed

The hypothesis of the work assumed that the use the Kohonen's
artificial neural networks (ANNs) for analyzing the results of HACCP
system declarative surveys allow to interprete descriptive information
on the system declared by surveyed food business operators.
Artificial neural networks are configured for pattern
recognition or data classification (Gupta & Singh, 2011). It is an
effective software tool for the visualization of high-dimensional
data. Kohonen's ANNs is suitable for the detection of typicality
and variability in a multidimensional system. Always connects
similar and separates dissimilar objects. In the last years, interest in
using ANNs as a modeling tool in food technology is increasing.
ANNs were successfully used in several food applications, as well as
medical studies (Kondo, Ueno, & Takao, 2013; Torrecilla, Otero, &
Sanz, 2004). ANNs were used to evaluate capability in predicting
process parameters involved in thermal/pressure food processing
or to build a model of the degree of proteins hydrolysis (Bucinski,
Karamac, & Amarowicz, 2004; Torrecilla et al., 2004) and in classification
of rapeseed and soybean oils (Wesolowski & Suchacz,
2001). ANNs were also used as an alternative method for shelf
life prediction of moisture-sensitive food products or product
packaging optimization (Siripatrawan & Jantawat, 2009) or to
predict pork drip loss from pH and color measurements (Prevolnik,
Candek-Potokar, Novic, & Skorjanc, 2009), as well as determination
of volatile characteristics of honey samples and their classification
(Tananaki, Thrasyvoulou, Giraudel, & Montury, 2007). However, as
jet, ANNs have not been used for interpretation of the results obtained
in declarative surveys

ผลลัพธ์ (ไทย) 1:

สมมติฐานของงานสมมติที่ใช้ Kohonen การของประดิษฐ์ประสาทเครือข่าย (ANNs) สำหรับการวิเคราะห์ผลลัพธ์ของ HACCPระบบสำรวจ declarative อนุญาตให้ข้อมูลอธิบาย interpreteในระบบประกาศผลประกอบการสำรวจอาหารมีการกำหนดค่าเครือข่ายประสาทเทียมในรูปแบบข้อมูลหรือการจัดประเภท (กุปตา & สิงห์ 2011) มันเป็นการเครื่องมือซอฟต์แวร์ที่มีประสิทธิภาพสำหรับการแสดงภาพประกอบเพลงของมิติสูงข้อมูล ANNs ของ Kohonen เหมาะสำหรับการตรวจพบ typicalityและสำหรับความผันผวนในระบบหลาย เชื่อมต่อเสมอคล้ายกัน และแยกวัตถุไม่เหมือนกัน ในปีสุดท้าย สนใจในใช้ ANNs เป็นเครื่องมือสร้างโมเดลในเทคโนโลยีการอาหารเพิ่มมากขึ้นANNs สำเร็จใช้ในโปรแกรมประยุกต์อาหารต่าง ๆ ตลอดจนการศึกษาทางการแพทย์ (คอนโด อุเอโนะ และทาคาโอะ(แอนดี้), 2013 Torrecilla บิดโอเตโร และSanz, 2004) ANNs ถูกใช้เพื่อประเมินความสามารถในการทำนายพารามิเตอร์กระบวนการที่เกี่ยวข้องในกระบวนการผลิตอาหารความร้อน/ความดันหรือสร้างแบบจำลองระดับของโปรตีนไฮโตรไลซ์ (BucinskiKaramac, & Amarowicz, 2004 Torrecilla et al., 2004) และ ในการจัดประเภทของน้ำมันถั่วเหลืองและเรพซีด (Wesolowski & Suchacz2001) ยังใช้ ANNs อีกวิธีสำหรับชั้นทำนายชีวิตของผลิตภัณฑ์หรือผลิตภัณฑ์อาหารความชื้นเพิ่มประสิทธิภาพของบรรจุภัณฑ์ (Siripatrawan & Jantawat, 2009) หรือทายผลขาดทุนจากการวัดค่า pH และสี (Prevolnik หยดจากหมูCandek-Potokar, Novic, & Skorjanc, 2009), และความมุ่งมั่นลักษณะที่ผันผวนของตัวอย่างน้ำผึ้งและจัดประเภทของพวกเขา(Tananaki, Thrasyvoulou, Giraudel, & Montury, 2007) อย่างไรก็ตาม เป็นไม่ได้ใช้ jet, ANNs สำหรับตีความผลได้รับในการสำรวจ declarative

ผลลัพธ์ (ไทย) 2:

สมมติฐานของการทำงานสันนิษฐานว่าใช้ Kohonen
ของเครือข่ายประสาทเทียม(ANNs) สำหรับการวิเคราะห์ผลของ HACCP
ระบบการสำรวจที่เปิดเผยอนุญาตให้ interprete
ข้อมูลรายละเอียดในระบบประกาศโดยผู้ประกอบการธุรกิจอาหารที่สำรวจ. เครือข่ายประสาทเทียมมีการกำหนดค่าสำหรับรูปแบบการรับรู้หรือการจำแนกประเภทข้อมูล (แคนด์ซิงห์และ 2011) มันเป็นเครื่องมือซอฟต์แวร์ที่มีประสิทธิภาพสำหรับการแสดงสูงมิติข้อมูล ANNs Kohonen เป็นที่เหมาะสำหรับการตรวจสอบของ typicality และความแปรปรวนในระบบหลายมิติ มักจะเชื่อมต่อที่คล้ายกันและแยกวัตถุที่แตกต่างกัน ในปีที่ผ่านมาความสนใจในการใช้ ANNs เป็นเครื่องมือในการสร้างแบบจำลองในด้านเทคโนโลยีอาหารจะเพิ่มขึ้น. ANNs ถูกนำมาใช้ประสบความสำเร็จในการใช้งานอาหารหลายเช่นเดียวกับการศึกษาทางการแพทย์(คอนโดะอุเอโนะและทาคาโอะ, 2013; Torrecilla, โอเตโรและซานซ์2004) ANNs ถูกนำมาใช้ในการประเมินความสามารถในการทำนายพารามิเตอร์กระบวนการมีส่วนร่วมในการระบายความร้อน/ แปรรูปอาหารความดันหรือการสร้างรูปแบบของระดับของโปรตีนที่ย่อยสลายได้(Bucinski, Karamac และ Amarowicz 2004. Torrecilla, et al, 2004) และในการจำแนกประเภทของเรพซีดและน้ำมันถั่วเหลือง (Wesolowski และ Suchacz, 2001) ANNs ถูกนำมาใช้เป็นวิธีทางเลือกสำหรับการเก็บรักษาการทำนายชีวิตของผลิตภัณฑ์อาหารความชื้นที่มีความสำคัญหรือผลิตภัณฑ์เพิ่มประสิทธิภาพของบรรจุภัณฑ์(Siripatrawan และ Jantawat 2009) หรือคาดการณ์การสูญเสียน้ำหยดเนื้อหมูจากการวัดค่าpH และสี (Prevolnik, Candek-Potokar, Novic และ Skorjanc 2009) เช่นเดียวกับความมุ่งมั่นของลักษณะความผันผวนของตัวอย่างน้ำผึ้งและการจัดหมวดหมู่ของพวกเขา(Tananaki, Thrasyvoulou, Giraudel และ Montury 2007) อย่างไรก็ตามในขณะที่เจ็ท ANNs ยังไม่ได้ถูกนำมาใช้ในการแปลความหมายของผลที่ได้รับในการสำรวจที่เปิดเผย

ผลลัพธ์ (ไทย) 3:

สมมติฐานของงานสันนิษฐานว่าใช้เป็น
การโครงข่ายประสาทเทียม ( แอนน์ ) เพื่อวิเคราะห์ผลลัพธ์ของระบบ HACCP ให้กับ interprete

การจัดเก็บข้อมูลบนระบบประกาศ โดยสำรวจผู้ประกอบการอาหาร
โครงข่ายประสาทเทียมมีการปรับแต่งรูปแบบ
รับรู้หรือการจำแนกประเภทข้อมูล ( Gupta &ซิงห์ , 2011 ) มันเป็น
เครื่องมือซอฟต์แวร์ที่มีประสิทธิภาพสำหรับการแสดงผลของข้อมูล - สูงขนาด

การของแอนน์ เหมาะสำหรับการตรวจสอบซึ่งเป็นสัญลักษณ์
และการเปลี่ยนแปลงในระบบหลายมิติ เสมอเชื่อมโยง
คล้ายคลึงกัน และแยกวัตถุที่แตกต่างกัน . ในช่วงปีที่ผ่านมา ความสนใจในการเป็นนางแบบ
ทางเครื่องมือทางเทคโนโลยีอาหารเพิ่มขึ้น แอนน์ ถูกนำมาใช้ในงาน

อาหารหลาย รวมทั้งการศึกษาทางการแพทย์ ( คอนโดะ อุเอโนะ &ทาคาโอะ 2013 ; torrecilla โอเตโร , ,
& ซานซ์ , 2004 ) แอนน์ ถูกใช้เพื่อประเมินความสามารถในการทำนายพารามิเตอร์กระบวนการที่เกี่ยวข้องกับความร้อน / แรงดัน

หรืออาหารแปรรูปเพื่อสร้างรูปแบบของระดับของโปรตีนไฮโดรไลซ์ ( bucinski
karamac , & amarowicz , 2004 ; torrecilla et al . , 2004 ) ในการจำแนกประเภทของเมล็ดถั่วเหลืองและน้ำมัน (

suchacz wesolowski & ,2001 ) แอนน์ ถูกใช้เป็นวิธีทางเลือกสำหรับชั้น
ชีวิตทำนายความชื้นไว ผลิตภัณฑ์อาหารหรือเพิ่มประสิทธิภาพผลิตภัณฑ์บรรจุภัณฑ์
( siripatrawan &ดร , 2009 ) หรือ
ทำนายการสูญเสียหยดหมูจากการวัด pH และสี ( prevolnik
candek potokar novic , , , skorjanc & 2009 ) เช่นเดียวกับความมุ่งมั่น
ลักษณะ ระเหยของตัวอย่างและการจำแนก
ของน้ำผึ้ง( tananaki thrasyvoulou giraudel & , , , montury , 2007 ) อย่างไรก็ตาม ขณะที่
เจ็ท , แอนน์ไม่ได้ถูกใช้สำหรับการตีความผลลัพธ์ที่ได้ในการสำรวจจัดเก็บ