Application of Computational Intelligence in Describing the Drying Kinetics of Persimmon Fruit (Diospyros kaki) During Vacuum and Hot Air Drying Process

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41310%2F20%3A82150" target="_blank" >RIV/60460709:41310/20:82150 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.mdpi.com/2227-9717/8/5/544" target="_blank" >https://www.mdpi.com/2227-9717/8/5/544</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3390/pr8050544" target="_blank" >10.3390/pr8050544</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Application of Computational Intelligence in Describing the Drying Kinetics of Persimmon Fruit (Diospyros kaki) During Vacuum and Hot Air Drying Process

Popis výsledku v původním jazyce

This study examines the potential of applying computational intelligence modelling to describe the drying kinetics of persimmon fruit slices during vacuum drying (VD) and hot air drying (HAD) under different drying temperatures and samples thicknesses. Kinetic models were developed using selected thin layer models and computational intelligence methods including multi layer feed forward artificial neural network (ANN), support vector machine (SVM) and k-nearest neighbors (kNN). The statistical indicators of the coefficient of determination (R2) and root mean square error (RMSE) were used to evaluate the suitability of the models.

Název v anglickém jazyce

Application of Computational Intelligence in Describing the Drying Kinetics of Persimmon Fruit (Diospyros kaki) During Vacuum and Hot Air Drying Process

Popis výsledku anglicky

This study examines the potential of applying computational intelligence modelling to describe the drying kinetics of persimmon fruit slices during vacuum drying (VD) and hot air drying (HAD) under different drying temperatures and samples thicknesses. Kinetic models were developed using selected thin layer models and computational intelligence methods including multi layer feed forward artificial neural network (ANN), support vector machine (SVM) and k-nearest neighbors (kNN). The statistical indicators of the coefficient of determination (R2) and root mean square error (RMSE) were used to evaluate the suitability of the models.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

40401 - Agricultural biotechnology and food biotechnology

Projekt

<a href="/cs/project/EF16_027%2F0008366" target="_blank" >EF16_027/0008366: Podpora rozvoje mezinárodních mobilit výzkumných pracovníků ČZU v Praze</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Processes

ISSN

2227-9717

e-ISSN

2227-9717

Svazek periodika

8

Číslo periodika v rámci svazku

5

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

21

Strana od-do

1-21

Kód UT WoS článku

000541752600120

EID výsledku v databázi Scopus

2-s2.0-85085747662