期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
蓝莓货架期PKO-CNN-BiLSTM-AT预测模型
1
作者 杨慧敏 郑兴婵 +3 位作者 刘中深 郑兴秀 王鹤霏 孙仕源 《食品科学》 北大核心 2025年第17期271-282,共12页
为探究贮藏于不同温度条件下蓝莓的品质变化及货架期,以‘怡颗莓’蓝莓为研究对象,测定其在5、10、15、20、25℃条件下的可溶性固形物、质量损失率、腐败率、质地参数等多个品质指标。通过基于二元灰狼优化算法进行特征选择,筛选出7个... 为探究贮藏于不同温度条件下蓝莓的品质变化及货架期,以‘怡颗莓’蓝莓为研究对象,测定其在5、10、15、20、25℃条件下的可溶性固形物、质量损失率、腐败率、质地参数等多个品质指标。通过基于二元灰狼优化算法进行特征选择,筛选出7个影响货架期的关键特征作为模型的输入变量,构建附加斑翠鸟优化算法(pied kingfisher optimizer,PKO)的卷积神经网络(convolutional neural network,CNN)-双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)-注意力机制(attention mechanism,AT)的蓝莓货架期预测模型,利用PKO对CNN-BiLSTM-AT网络进行参数化寻优,主要用以确定最优学习率、正则化参数、Attention键值及BiLSTM神经元数量。结果表明,与CNN-LSTM相比,PKO-CNN-BiLSTM-AT模型的平均绝对误差、平均绝对百分比误差、均方误差和均方根误差分别降低了76.13%、80.96%、92.03%和71.75%,决定系数增加了5.85%。说明引入PKO后的CNN-BiLSTM-AT模型显著提高了货架期的预测性能,本研究可为蓝莓在不同贮藏温度条件下的货架期制定提供理论支持。 展开更多
关键词 蓝莓品质指标 二元灰狼优化算法 斑翠鸟优化算法 深度学习模型 货架期预测
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部