http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
설탕을 야콘 농축액으로 대체하여 제조한 빵의 물리적 및 관능적 특성
김원모(Won-Mo Kim),김미경(Mi-Kyung Kim),변명우(Myung-Woo Byun),이규희(Gyu-Hee Lee) 한국식품영양과학회 2012 한국식품영양과학회지 Vol.41 No.9
야콘 농축액을 첨가한 반죽 특성을 조사하기 위해 반죽의 pH 및 발효 팽창력을 측정하였을 때 야콘 농축액의 첨가가 반죽의 pH에는 영향을 크게 미치지 않았으며, 발효과정 중 야콘 농축액에 다량 함유된 fructo-oligosaccharides가 효모의 후기 발효에 이용되어 지속적으로 gas를 공급하여 최적 발효시간이 지나도 반죽의 부피가 유지되는 현상을 나타내었다. 빵을 제조하여 식빵의 부피, 무게 및 비용적을 측정한 결과 설탕의 75% 이상을 야콘 농축액으로 대체하였을 때에는 호화와 착색에서는 약간 불리할 수 있음을 알 수 있었다. 빵의 물성측정 결과에서는 야콘 농축액의 함량이 늘어날수록 녹갈색은 짙어지는 경향을 나타내었으며, 유연하며 입안에서 부서지지 않고 덩어리 형태를 유지하는 물성을 나타내 좋은 제빵 특성을 나타내었다. 관능적 특성의 평가에서는 야콘 농축액의 첨가량이 높을수록 강한 야콘 향미와 진한색을 나타내는 부드럽고 촉촉한 빵의 특성을 나타내었으며,소비자들은 야콘 농축액 첨가량이 설탕의 75%를 대체한 YE75를 가장 선호하는 것을 알 수 있었다. 결론적으로 야콘농축액을 설탕을 대신하여 사용하였을 때 부드럽고 촉촉한 물성을 지닌 기호성이 높은 빵을 제조할 수 있음을 알 수 있었다. Yacon (Smallanthus sonchifolius) contains high amounts of fructooligosaccharides and has been known to promote health of the intestinal tract and to have anti-oxidative and anti-cancer activities. Yacon concentrates were added to make five different pan breads, each with the addition 0% (YE 0), 25% (YE 25), 50% (YE 50), 75% (YE 75), and 100% (YE 100) of yacon concentrates instead of sugar. The higher the yacon concentration in the dough, the more time was needed for the dough to rise. Higher yacon concentration also affected the color of the bread by lowering the L-value and raising the a and b values. The hardness and chewiness of the bread significantly decreased with increasing yacon concentration, while cohesiveness increased. In the bread sensory evaluation, the intensity of crust color, crumb color, yacon flavor, sweetness, yacon taste, moistness, and residual mouth feel were increased with increasing yacon concentrates, while the uniformity of crumb pores slightly decreased. The consumer acceptance of taste, flavor, texture, and overall acceptance were increased with increasing yacon concentrations. As a conclusion, the substitution of yacon concentrates for sugar improved bread quality and increased consumer acceptance.
LSTM 기반의 sequence-to-sequence 모델을 이용한 한글 자동 띄어쓰기
이태석(Tae Seok Lee),강승식(Seung Shik Kang) 한국스마트미디어학회 2018 스마트미디어저널 Vol.7 No.4
자동 띄어쓰기 특성을 효과적으로 처리할 수 있는 LSTM(Long Short-Term Memory Neural Networks) 기반의 RNN 모 델을 제시하고 적용한 결과를 분석하였다. 문장이 길거나 일부 노이즈가 포함된 경우에 신경망 학습이 쉽지 않은 문제를 해결하기 위하여 입력 데이터 형식과 디코딩 데이터 형식을 정의하고, 신경망 학습에서 드롭아웃, 양방향 다층 LSTM 셀, 계층 정규화기법, 주목 기법(attention mechanism)을 적용하여 성능을 향상시키는 방법을 제안하였다. 학습 데이터로는 세종 말뭉치 자료를 사용하였으며, 학습 데이터가 부분적으로 불완전한 띄어쓰기가 포함되어 있었음에도 불구하고, 대량의 학습 데이터를 통해 한글 띄어쓰기에 대한 패턴이 의미 있게 학습되었다. 이것은 신경망에서 드롭아웃 기법을 통해 학습 모델의 오버피팅이 되지않도록 함으로써 노이즈에 강한 모델을 만들었기 때문이다. 실험결과로 LSTM sequence-to-sequence 모델이 재현율과 정확도를 함께 고려한 평가 점수인 F1 값이 0.94로 규칙 기반 방식과 딥러닝 GRU-CRF보다 더 높은 성능을 보였다. We proposed a LSTM-based RNN model that can effectively perform the automatic spacing characteristics. For those long or noisy sentences which are known to be difficult to handle within Neural Network Learning, we defined a proper input data format and decoding data format, and added dropout, bidirectional multi-layer LSTM, layer normalization, and attention mechanism to improve the performance. Despite of the fact that Sejong corpus contains some spacing errors, a noise-robust learning model developed in this study with no overfitting through a dropout method helped training and returned meaningful results of Korean word spacing and its patterns. The experimental results showed that the performance of LSTM sequence-to-sequence model is 0.94 in F1-measure, which is better than the rule-based deep-learning method of GRU-CRF.