МОДЕЛИРОВАНИЕ ВОЗДЕЙСТВИЯ ТЕМПЕРАТУРЫ ИНКУБАЦИИ НА УРОВЕНЬ АКТИВНОСТИ КАЗЕИНЛИТИЧЕСКИХ ПРОТЕИНАЗ СЛИЗИСТОЙ ОБОЛОЧКИ КИШЕЧНИКА БЕЛУГИ С ПОМОЩЬЮ ИСКУССТВЕННОЙ НЕЙРОННОЙ СЕТИ

• Main Authors: МАРТЬЯНОВ АЛЕКСАНДР СЕРГЕЕВИЧ, БЕДНЯКОВ ДМИТРИЙ АНДРЕЕВИЧ, НЕВАЛЕННЫЙ АЛЕКСАНДР НИКОЛАЕВИЧ
• Format: Text
• Language: unknown
• Published: Федеральное государственное образовательное учреждение высшего профессионального образования «Астраханский государственный технический университет» 2016
• Subjects: МЕМБРАННОЕ ПИЩЕВАРЕНИЕ,ПИЩЕВАРИТЕЛЬНЫЕ ФЕРМЕНТЫ,НЕЙРОННЫЕ СЕТИ,МАШИННОЕ ОБУЧЕНИЕ,ТЕМПЕРАТУРА,MEMBRANE DIGESTION,DIGESTIVE ENZYMES,NEURAL NETWORKS,MACHINE LEARNING,ENVIRONMENTAL FACTORS,TEMPERATURE; Beluga; Beluga*
• Online Access: http://cyberleninka.ru/article/n/modelirovanie-vozdeystviya-temperatury-inkubatsii-na-uroven-aktivnosti-kazeinliticheskih-proteinaz-slizistoy-obolochki-kishechnika; http://cyberleninka.ru/article_covers/16688311.png

Работа посвящена моделированию зависимости уровня активности казеинлитических протеиназ слизистой оболочки кишечника белуги ( Huso huso L.) от величины температуры инкубации в широком диапазоне. Уровень активности фермента определяли с помощью стандартных физиолого-биохимических методов. Для аппроксимации исследуемой зависимости выбран класс искусственных нейронных сетей под названием «многослойный персептрон». Использовалась двухслойная модель с одним скрытым слоем, содержащим 9 нейронов. Среднеквадратичная ошибка обучения модели составила 0,336 для обучающей выборки, 0,576 для контрольной и 0,23 для тестовой. Температурный оптимум для исследуемого фермента белуги находится в области свыше 45-50 °С. При этом в области оптимума кривая температурной зависимости имеет достаточно пологий характер. Качество построенной компьютерной нейросетевой модели исследовалось дополнительно с помощью построения гистограммы распределения ошибок моделирования, а также путем построения линейной регрессии значений для результатов моделирования относительно полученных экспериментальных данных. Анализ подтверждает достаточно хорошее качество обучения созданной искусственной нейронной сети с учетом объема выборки, используемой для обучения. Достигнутая точность моделирования позволяет сделать вывод о существенной ценности модели как средства прогноза уровня активности пищеварительного фермента при температурном воздействии. Результаты исследований свидетельствуют о возможности существенного расширения применения нейросетевых моделей при исследованиях в области экологии питания рыб. The work is devoted to modeling of the dependence of the activity level of caseinlytic proteinases of intestinal mucous of the beluga ( Huso huso L.) on the value of the incubation temperature in a wide range. The level of enzyme activity was determined using standard physiological and biochemical methods. To approximate the studied dependence, the class of artificial neural network called a multilayer perceptron was chosen. We used the two-layer model with one hidden layer containing 9 neurons. RMS error of the learning model was 0.336 for the training sample, 0.576 for the control and 0.23 for the test. The temperature optimum for the researched enzyme is above within the range 45-50 °С. At the same time within the optimum the curve of the temperature dependence is rather flat. The quality of the designed computer neural network model was examined further by constructing a histogram of the distribution of modeling errors, and a linear regression values for the simulation results with respect to the experimental data. The analysis confirms rather good educational quality of the created artificial neural network based on the volume of the training sample. The accuracy of the simulation suggests a significant value of the model as a means of forecasting the level of activity of the digestive enzyme at temperature impact. The research results indicate the possibility of the significant expansion of the application of neural network models for the research on fish nutrition ecology.