Aplicación de redes neuronales de base radial en clasificación de panes elaborados con mezclas de harinas?

OSUNA MARIANA B; VIZGARRA CRISTIAN; GOTAY JORGE; JUDIS MARIA ALICIA; ROMERO ANA; AVALLONE CARMEN; BERTOLA NORA

Córdoba

Congreso; IV Congreso Internacional en Ciencia y Tecnología de los Alimentos - CICYTAC 2012; 2012

Ministerio de Ciencia y Tecnología de la Provincia de Córdoba

El análisis discriminante es una herramienta muy útil cuando se poseen datos en distintos grupos y queremos una medida cuantitativa de la bondad de agrupación. Mientras que, las redes neuronales artificiales también son una herramienta buena para la solución de problemas de clasificación. El trabajo que se presenta tiene el propósito de estudiar la modificación de la composición de ácidos grasos del producto pan común, a través de la sustitución de diferentes concentraciones (0%, 5%, 10% y 15%) de distintas harinas (soja, lino y salvado de trigo y sus mezclas), mediante análisis discriminante y redes neuronales. A partir de la fórmula básica de pan, se desarrollaron 27 formulaciones sustituyendo la harina de trigo por harinas de soja (HS), lino (HL) y salvado de trigo (ST) y por mezclas de HL+ST, HL+HS y HS+ST, teniendo estas mezclas una proporción 30+70 y 70+30 de cada uno de los componentes utilizados. Los panes se elaboraron mediante el método directo y la determinación de la composición de los ácidos grasos a través de cromatografía gaseosa. Sobre la base de las proporciones mayoritarias de las harinas se definieron tres grupos mediante un Análisis Discriminante. Se utilizó además de manera alternativa una Red Neuronal Artificial como clasificador y se compararon ambas técnicas como clasificadores. La de red neuronal es del tipo probabilística con una capa oculta que emplea una función de base radial que sirve para detectar qué elementos del espacio de entrada se encuentran próximos a las diversas neuronas generando de esta manera unas subclases y una función de transferencia competitiva en la capa de salida, la cual permite asignar a qué clase pertenecerá cada elemento de entrada a la red a partir de un vector de probabilidades creado con las contribuciones de las subclases generadas en la capa oculta. Tal tipo de arquitectura sirve para resolver problemas de  clasificación. En los resultados alcanzados se refleja que ambas metodologías permitieron clasificar el 100% delas muestras de panes en función de sus ácidos grasos y se verificó su comportamiento de acuerdo a las variables clasificadoras elegidas. Los panes adicionados con HL, HS y sus mezclas produjeron una disminución de los ácidos grasos trans y saturados en los productos, y un incremento del ácido graso linolénico, siendo este aumento mayor en los panes adicionados con la mezcla HL-ST.