ConclusionsStatistical instruments

Conclusions
Statistical instruments based on artificial neural networks were
developed and efficiently trained to be used both for the prediction
of wine antioxidant activity and for revealing the wine variety of
grapes, harvest year and originating winery.
The ANN having single hidden layer architecture of feed-forward
type was designed and trained, using the back-propagation
algorithm, with the aim of predicting AO activity. As shown by
the ANN simulation results, the prediction quality was good for
the testing subset of data. This capability of the ANN may spare
measuring costs and provide a useful model for specific wine processing
equipment design and optimisation.
Probabilistic ANNs have proven good classification ability. We
were able to demonstrate the complex but hidden relationships
between the concentration of total phenolic, flavonoids, anthocyanins
and tannins, associated with either inferred or directly measured
antioxidant activity, and wine variety, harvesting year and/
or winery. The results performed on the sets of data produced no
errors in identification. Thus, these ANNs proved to be reliable
software tools for assessment or validation of the wine essential
characteristics and authenticity.
Results of this research may be further used to establish a database
of analytical characteristics of commercial Romanian red
wines from various varieties, production year and wineries.

ผลลัพธ์ (ไทย) 1:

บทสรุป
มีเครื่องมือทางสถิติตามเครือข่ายประสาทเทียม
พัฒนา และฝึกอบรมได้อย่างมีประสิทธิภาพจะใช้ทั้งคำทำนาย
กิจกรรมต้านอนุมูลอิสระของไวน์ และไวน์หลากหลายเปิดเผย
เก็บเกี่ยวองุ่น ปีและเกิดไวน์
แอนมีสถาปัตยกรรมชั้นเดียวซ่อนของตัวดึงข้อมูลไป
ชนิดถูกออกแบบ และการฝึก อบรม การใช้เผยแพร่หลัง
อัลกอริทึม มีจุดมุ่งหมายของการคาดการณ์กิจกรรมอ่าว แสดงโดย
ผลการจำลอง ANN ทำนายคุณภาพดีสำหรับ
ทดสอบชุดย่อยของข้อมูล ความสามารถนี้ของแอนอาจอะไหล่
วัดต้นทุน และให้แบบจำลองมีประโยชน์สำหรับการประมวลผลเฉพาะที่ไวน์
ออกแบบอุปกรณ์และการเพิ่มประสิทธิภาพงาน
Probabilistic ANNs ได้พิสูจน์ความสามารถในการจัดประเภทที่ดีได้ เรา
สามารถแสดงให้เห็นถึงความสัมพันธ์ซับซ้อน แต่ซ่อน
ระหว่างความเข้มข้นของฟีนอรวม flavonoids, anthocyanins
tannins เชื่อมโยงกับเอเชีย หรือวัดโดยตรงและ
กิจกรรมต้านอนุมูลอิสระ และไวน์หลากหลาย ปีการเก็บเกี่ยว และ /
หรือไวน์ ผลการดำเนินการบนชุดข้อมูลผลิตไม่
ข้อผิดพลาดในรหัส ดังนั้น เชื่อถือได้เกี่ยวกับ ANNs เหล่านี้
ซอฟต์แวร์เครื่องมือสำหรับการประเมินหรือการตรวจสอบไวน์ที่สำคัญ
ลักษณะและแท้
ผลการวิจัยนี้อาจเพิ่มเติมใช้สร้างฐานข้อมูล
วิเคราะห์ลักษณะของโรมาเนียแดง
ไวน์จากพันธุ์ต่าง ๆ ผลิตปี และคุ้มกัน

ผลลัพธ์ (ไทย) 3:

สถิติสรุปเครื่องมือตามโครงข่ายประสาทเทียมถูก
พัฒนาและมีประสิทธิภาพการฝึกอบรมให้ใช้ทั้งการคาดการณ์
ไวน์ต้านออกซิเดชันและเปิดเผย ไวน์หลากหลาย
องุ่นปีเก็บเกี่ยว และแนะนำไวน์
Ann มีเดี่ยวชั้นซ่อนสถาปัตยกรรมประเภท feed-forward
ออกแบบและได้รับการ back-propagation
ขั้นตอนวิธีกับเป้าหมายของกิจกรรมในอ่าว . แสดงโดย
Ann ผลการทำนาย , การพยากรณ์คุณภาพดีสำหรับ
การทดสอบย่อยของข้อมูล นี้ความสามารถของแอนอาจไว้ชีวิต
วัดค่าใช้จ่ายและให้ประโยชน์เฉพาะรูปแบบการประมวลผลการออกแบบและการเพิ่มประสิทธิภาพอุปกรณ์ไวน์
.
ความน่าจะเป็นแอนน์ได้พิสูจน์ความสามารถในการจำแนกที่ดี เรา
สามารถแสดงให้เห็นถึงความซับซ้อน แต่ซ่อนความสัมพันธ์ระหว่างความเข้มข้นของฟีนอลิกทั้งหมด

แอนโทไซยานินและ flavonoids , แทนนิน , เกี่ยวข้องกับวัดโดยตรงได้ หรือ
สารต้านอนุมูลอิสระ และไวน์ต่าง ๆ การเก็บเกี่ยวปี /
หรือโรงงานไวน์ ผลลัพธ์ที่แสดงในชุดของข้อมูลที่ไม่มีข้อผิดพลาด
ในรหัส ดังนั้น ทางเหล่านี้พิสูจน์แล้วว่าเชื่อถือได้
โปรแกรมเครื่องมือสำหรับการประเมินหรือตรวจสอบของไวน์ที่สำคัญ

ลักษณะและความถูกต้อง ผลของการวิจัยนี้อาจจะใช้ต่อเพื่อสร้างฐานข้อมูล
ลักษณะวิเคราะห์เชิงพาณิชย์โรมาเนียแดง
ไวน์จากพันธุ์ต่างๆ ปีผลิต และไวน์