Previsão de estabilidade de óleos vegetais através da rede de inteligência artificial

Redes Neurais Artificiais são técnicas computacionais que se utilizam de um modelo matemático capaz de adquirir conhecimentos pela experiência; esse comportamento inteligente da rede provém das interações entre unidades de processamento, denominadas de neurônios artificiais. O objetivo deste trabalho foi criar uma rede neural capaz de prever a estabilidade de óleos vegetais, a partir de dados de suas composições químicas, visando um modelo para a previsão da shelf-life de óleos vegetais, tendo como parâmetros apenas dados de suas composições químicas. Os primeiros passos do processo de desenvolvimento da rede consistiram na coleta de dados relativos ao problema e sua separação em um conjunto de treinamento e outro de testes. Estes conjuntos apresentaram como variáveis dados de composição química, que incluíram os valores totais em ácidos graxos, fenóis, tocoferóis e a composição individual em ácidos graxos. O passo seguinte foi a execução do treinamento, onde o padrão de entrada apresentado à rede como parâmetro de estabilidade foi o índice de peróxido, determinado experimentalmente por um período de 16 dias de armazenagem na ausência de luz, a 65ºC. Após o treinamento foi testada a capacidade de previsão adquirida pela rede, em função do parâmetro de estabilidade adotado, mas com um novo grupo de óleos. Seguindo o teste, foi determinada a correlação linear entre os valores de estabilidade previstos pela rede e aqueles determinados experimentalmente. Com os resultados obtidos, pode-se confirmar a viabilidade de previsão da estabilidade de óleos vegetais pela rede neural, a partir de dados de sua composição química, utilizando como parâmetro de estabilidade o índice de peróxido.

Application of Response Surface Methodology to study the effect of different calcium sources in fish muscle-alginate restructured products

Sodium alginate needs the presence of calcium ions to gelify. For this reason, the contribution of the calcium source in a fish muscle mince added by sodium alginate, makes gelification possible, resulting a restructured fish product. The three different calcium sources considered were: Calcium Chloride (CC); Calcium Caseinate (CCa); and Calcium lactate (CLa). Several physical properties were analyzed, including mechanical properties, colour and cooking loss. Response Surface Methodology (RSM) was used to determine the contribution of different calcium sources to a restructured fish muscle. The calcium source that modifies the system the most is CC. A combination of CC and sodium alginate weakened mechanical properties as reflected in the negative linear contribution of sodium alginate. Moreover, CC by itself increased lightness and cooking loss. The mechanical properties of restructured fish muscle elaborated were enhanced by using CCa and sodium alginate, as reflected in the negative linear contribution of sodium alginate. Also, CCa increased cooking loss. The role of CLa combined with sodium alginate was not so pronounced in the system discussed here.

An artificial neural network model for prediction of quality characteristics of apples during convective dehydration

In this study, the effects of hot-air drying conditions on color, water holding capacity, and total phenolic content of dried apple were investigated using artificial neural network as an intelligent modeling system. After that, a genetic algorithm was used to optimize the drying conditions. Apples were dried at different temperatures (40, 60, and 80 °C) and at three air flow-rates (0.5, 1, and 1.5 m/s). Applying the leave-one-out cross validation methodology, simulated and experimental data were in good agreement presenting an error < 2.4 %. Quality index optimal values were found at 62.9 °C and 1.0 m/s using genetic algorithm.

Artificial neural networks (ANN): prediction of sensory measurements from instrumental data

The objective of this study was to predict by means of Artificial Neural Network (ANN), multilayer perceptrons, the texture attributes of light cheesecurds perceived by trained judges based on instrumental texture measurements. Inputs to the network were the instrumental texture measurements of light cheesecurd (imitative and fundamental parameters). Output variables were the sensory attributes consistency and spreadability. Nine light cheesecurd formulations composed of different combinations of fat and water were evaluated. The measurements obtained by the instrumental and sensory analyses of these formulations constituted the data set used for training and validation of the network. Network training was performed using a back-propagation algorithm. The network architecture selected was composed of 8-3-9-2 neurons in its layers, which quickly and accurately predicted the sensory texture attributes studied, showing a high correlation between the predicted and experimental values for the validation data set and excellent generalization ability, with a validation RMSE of 0.0506.

Effect of previous chilling storage on quality loss in frozen (–20 °C) sierra (Scomberomorus sierra) muscle packed with a low-density polyethylene film containing butylated hydroxytoluene

Rancidity development during frozen storage (–20 °C) of sierra fish (Scomberomorus sierra) was studied. Fillets were packed in low-density polyethylene films with and without butylated hydroxytoluene added (BHT-LDPE and LDPE respectively). Fillets stored with no package were used as control. Special attention was given to the effect of previous ice storage (0, 3, 6, 9 and 15 days) on the quality of the frozen fish. Physical (pH and texture) and chemical (peroxide value, PV and thiobarbituric acid index, TBA-i) analyses were carried out. Lipid oxidation increased with ice storage time in fish muscle without film packing, being greater than the film packed muscle (with and without antioxidant). An effect of previous ice storage time was observed on the frozen product (in all treatments). However, fish muscle with film packing containing antioxidant showed less lipid deterioration. Under the conditions applied in this study, the plastic films with antioxidant prevented the lipids oxidation during the cold handling of the sierra muscle.

Inteligência artificial e teoria de resolução de problemas

Este artigo é uma tentativa de delinear as principais características da pesquisa numa nova área de estudos a chamada Inteligência Artificial (AI). Os itens 1 e 2 constituem um rápido histórico da AI e seus pressupostos básicos. O item 3 trata da teoria de resolução de problemas, desenvolvida por A. Newell e H. Simon. O item 4 procura mostrar a relevância da AI para a Filosofia, em especial para a filosofia da Mente e para a Teoria do Conhecimento.

Robots, intencionalidade e inteligência artificial

O artigo aborda problemas filosóficos relativos à natureza da intencionalidade e da representação mental. A primeira parte apresenta um breve histórico dos problemas, percorrendo rapidamente alguns episódios da filosofia clássica e da filosofia contemporânea. A segunda parte examina o Chinese Room Argument (Argumento do Quarto do Chinês) formulado por J. Searle. A terceira parte desenvolve alguns argumentos visando mostrar a inadequação do modelo funcionalista de mente na construção de robots. A conclusão (quarta parte) aponta algumas alternativas ao modelo funcionalista tradicional, como, por exemplo, o conexionismo.