|
米粒子の炊飯条件を最適化することを目的に、炊飯プロセスのパターンと、炊飯した米の品質とを関係づける、ニューラル・ネットワークによる推定モデルを提案した。品質指標、すなわち炊飯米サンプルの硬さを推定するニューラル・ネットワーク・モデルの構築にあたっては吸水特性とDSC特性曲線のパターンを、ニューラル・ネットワークの入力とした。バック・プロパゲーション学習法によるニューラル・ネットワーク・モデルのトレーニングのあと、測定データに対する推定値の正確度を確認した。その結果、測定データに対する相対誤差は20%であることが分かった。
|
