http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Sucrose 첨가량에 따른 초당옥수수(Zea mays saccharate Sturt.) 잼의 품질 특성
박상범(Sang-Beom Park),박우현(Woo-Hyeon Park),차승현(Seung-Hyeon Cha),한인범(In-Beom Han),박세림(Se-Lim Bak),소윤섭(Yoon-Sup So),현태경(Tae Kyung Hyun),이신영(Shin-Young Lee),장금일(Keum-Il Jang) 한국식품영양과학회 2022 한국식품영양과학회지 Vol.51 No.4
초당옥수수의 활용 및 부가가치 향상을 위하여 본 연구에서는 초당옥수수 추출액에 30, 40, 50%(w/w) sucrose, 펙틴, 레몬즙을 이용한 SCJS와 동일한 조건에서 버터를 첨가한 SCJSB를 제조하여 일반성분과 품질 및 관능 특성을 비교분석하였다. 먼저 sucrose 첨가량이 증가할수록 SCJS와 SCJSB 제조를 위한 가열시간이 감소하면서 수분함량은 증가했지만, 조단백질, 조지방, 탄수화물은 감소하였으며, SCJS와 SCJSB 간 수분함량과 탄수화물은 유사하였고 조단백질과 조지방은 SCJSB가 높지만, 조회분 함량은 SCJS가 높게 측정되었다. 그리고 품질 특성으로 pH, 수율, L값 및 퍼짐성은 증가했지만, 총산도, 점도, a값, b값 및 조직감은 감소하는 경향을 나타내었으며, SCJS와 SCJSB 간에는 대부분의 품질 특성이 유사하였으나, 조직감은 SCJS가 SCJSB보다 높게 측정되었다. 관능 특성에서는 SCJSB가 SCJS보다 높은 기호도를 나타내었는데, 특히 SCJSB40이 가장 높은 기호도를 나타내었다. 결론적으로 초당옥수수를 이용한 잼의 제조가 가능함을 확인할 수 있었으며, 이와 같은 결과를 이용하여 초당옥수수의 부가가치 향상을 위한 정보와 잼 가공산업에 활용 가치 향상을 위한 기초 자료를 제공하였다고 생각된다. Super sweet corn has a high sugar content as this is not converted to starch during storage due to the shrunken-2 gene, which inhibits the activation of ADP‐glucose pyrophosphorylase. However, the quality of super sweet corn deteriorates during long-term storage because of the hardening of the peels, damage due to pests, and the fact that disease organisms are attracted by the high sugar content. To avoid quality loss during storage, super sweet corn can be stored as jam. We prepared two types of super sweet corn jam, one with sucrose (SCJS) and the other one with sucrose and butter (SCJSB), and analyzed their proximate composition, quality, and sensory characteristics. With an increase in the amount of sucrose added during preparation, the required heating time, total acidity, viscosity, a-value, b-value, texture, and contents of protein, fat, and carbohydrate decreased, while the moisture content, pH, yield, L-value, and spreadability increased. The moisture and carbohydrate contents of SCJS and SCJSB were similar. However, the protein and fat contents were higher in SCJSB, and ash content was higher in SCJS. Most quality characteristics of the two types of jam were similar, but the texture was observed to be better in SCJS. In terms of sensory characteristics, SCJSB was preferred over SCJS, and in particular, SCJSB40 prepared with 40% (w/w) sucrose based on super sweet corn extracts received the highest preference. In conclusion, we confirmed that super sweet corn can be processed into jam, thus improving its storage characteristics, and the present results could be used as a basis for the industrial production of super sweet corn jam.
오차 보상을 위한 보상기 기반 방사형 기저함수 신경회로망 분류기 설계
박상범(Sang-Beom Park),오성권(Sung-Kwun Oh) 한국지능시스템학회 2019 한국지능시스템학회논문지 Vol.29 No.3
본 연구에서는 효과적인 오차 보상을 위한 퍼지 보상기 기반 방사형 기저함수 신경회로망(RBFNN) 분류기를 설계한다. 오차는 실제 출력과 RBFNN 분류기에서 구한 출력의 차이를 의미하고 이는 보상기의 교사신호로 간주한다. 교사신호를 기반으로, 보상기는 최소자승법을 사용하여 연결가중치를 추정하고 보상기의 출력을 계산한다. 보상기는 퍼지집합기반 신경회로망(FsNN) 분류기를 사용하였다. RBFNN 분류기와 보상기의 연결가중치는 상수항(Constant)을 사용하여 학습하였다. 본 연구에서는 UCI repository에서 얻은 다양한 기계학습 데이터를 사용하여 보상기 기반 방사형 기저함수 신경회로망 분류기의 분류지수를 평가한다. 보상기 기반 RBFNN 분류기는 기존에 사용한 RBFNN 분류기에 비해 제안된 분류기와의 분류지수와 성능지수를 비교하는 관점에서 우수성을 보여준다. In this study, a radial basis function neural network(RBFNN) classifier designed with aid of a fuzzy compensator is introduced for the effective compensation of errors. The errors considered as the supervised signal to learn the compensator mean the difference between the real output and the output of the RBFNN classifier. Based on the supervised signal, the connection weights of the compensator are estimated by using least square estimation(LSE) and also used to calculate the output of the compensator. Fuzzy set-based neural network (FsNN) classifier is exploited as the compensator. In the case of both RBFNN classifier and the compensator, the constants are used as the connection weights. In this study, various benchmark datasets which are obtained from UCI repository are exploited to evaluate the classification index of the compensator-based RBFNN classifier. It is shown that the compensator-based RBFNN classifier is preferred when compared to the conventional RBFNN classifiers in terms of the classification index and performance index.