Публикации участников конференции

Англо-русскоязычный научный химический журнал
"БУТЛЕРОВСКИЕ СООБЩЕНИЯ"
Русский | English

Сведения о статье:

Макляев И. В. , Нохаева В. С. , Леметюйнен Ю. А. , Евдокимова С. А. , Кареткин Б. А. , Гусева Е. В. , Дударов С. П. Нейросетевое моделирование изменения концентрации молочной кислоты в ходе непрерывной ферментации бифидобактерий

Данные о статье:
Название статьи:	Нейросетевое моделирование изменения концентрации молочной кислоты в ходе непрерывной ферментации бифидобактерий
Все авторы публикации в порядке следования:	Макляев И. В. , Нохаева В. С. , Леметюйнен Ю. А. , Евдокимова С. А. , Кареткин Б. А. , Гусева Е. В. , Дударов С. П.
Аннотация:	В данной работе были исследованы изменения концентрации молочной кислоты в ходе непрерывного культивирования бифидобактерий и получено нейросетевое математическое описания. Ферментацию проводили в условиях, приближенных к условиям нисходящего отдела толстой кишки: поддержание pH 6.8 с помощью 20% гидроксида натрия; анаэробиоз; скорость протока среды 0.04 ч-1. Данный отдел характеризуется большим количеством микроорганизмов, а также их наболее существенным влиянием на организм хозяина. Исследование проводили со штаммом Bifidobacterium adolescentis ВКПМ Ac-1662 (ATCC 15703 T), а концентрацию пребиотика олигофруктозы варьировали (2, 5, 10, 15 г/л). До достижения и в течение не менее 36 часов состояния динамического равновесия системы, измеряли концентрации молочной и уксусной кислот с помощью метода высокоэффективной жидкостной хроматографии, оптическую плотность, численность живых бактерий (КОЕ/мл). На основе полученных экспериментальных данных было проведено обучение нейронной сети. В качестве основной архитектуры нейронной сети был выбран многослойный перцептрон. Векторы обучающей выборки включают 6 переменных: 5 входных и 1 выходная. Обучение проходило синхронно по методу обратного распространения ошибки. Общая ошибка работы нейронной сети 1.85%. В ходе исследований было доказано, что нейросетевой подход помогает хорошо проиллюст-рировать влияние различных факторов на ход биотехнологических процессов, он обобщает множествен-ные экспериментальные данные с допустимой ошибкой. Полученное нейросетевое математическое описание доказывает, что репрезентативность обучающей выборки имеет важное значение для получения наиболее точного математического описания. Необходимы дальнейшие исследования для получения математического описания изменения концентрации всех компонентов среды в виде комплекса обученных искусственных нейронных сетей.
ROI:	jbc-01/20-64-11-61
DOI:	10.37952/jbc-01/20-64-11-61
Ключевые слова:	нейронные сети, математическое моделирование, перцептрон, непрерывное культивирование, пробиотик, пребиотик, молочная кислота
Общий форум статьи:	Смотреть форум
Шапка статьи в pdf:	Скачать [размер файла: 211кб.] Дата: 14.01.2021 19:49:24
Finish english abstract pdf:	Скачать [размер файла: 256кб.] Дата: 31.01.2021 20:51:13
Комментарий: