Predicción medinte redes neuronales artificales de la transferencia de masa en frutas osmoticmente deshidratadas / Mass transfer prediction by artifictial neural networks in osmotically behydrated fruits

RESUMEN

Este trabajo tuvo como objetivo predecir las manifestaciones macroscópicas de los dos principales fenómenos de transferencia de masa en tres frutas (melón, lechosa y manzana) osmóticamente deshidratadas. Se consideró el efecto de cinco variables de proceso tipo de alimento, concentración de la solución osmótica, tamaño de la fruta, temperatura y tiempo de proceso, sobre la pérdida de agua y ganancia de sólidos de las frutas. Para ello se desarrolló un modelo neuronal artificial compuesto por cinco neuronas de entrada y dos capas ocultas de procesamiento de información compuestas por cinco neuronas cada una, utilizando funciones sigmoides como medio de comunicación, y dos neuronas de salida representando a las variables dependientes del modelo. La arquitectura neuronal desarrollada y entrenada mediante el algoritmo Levenberg-Mar-quardt permitió predecir más del 90 por ciento de la variabilidad de los datos en los dos fenómenos de transferencia estudiados, constituyéndose en un modelo alternativo a las ecuaciones paramétricas desarrolladas hasta el momento