Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/20499
Título : Análisis de la medición de la biomasa en fermentación en estado sólido empleando el modelo logístico y redes neuronales
Otros títulos : Analysis of biomass measurement in solid-state fermentation using neural networks and a logistic model
Autor : Zapata Montoya, José Edgar
Oviedo Lopera, Juan Camilo
Casas Botero, Ana Elisa
Valencia Velásquez, Jaime Alejandro
metadata.dc.subject.*: Biotecnologia microbiana
Microbial biotechnology
Redes neurales (computadores)
Neural networks (Computer science)
Biomasa
Biomass
Fermentación
Fermentation
Modelo logístico
http://aims.fao.org/aos/agrovoc/c_926
http://aims.fao.org/aos/agrovoc/c_2855
Fecha de publicación : 2014
Editorial : Centro de Información Tecnológica
Resumen : RESUMEN: En este trabajo, se llevó a cabo el análisis del crecimiento del Pleurotus pulmonarius en tusa de maíz, empleando redes neuronales artificiales y el modelo logístico. La biomasa se cuantificó a través de las concentraciones de proteína (método Kjeldahl) y ergosterol (cromatografía líquida de alta resolución). Los datos obtenidos fueron analizados con los programas R y Matlab. El mejor r2 ajustado del modelo logístico fue de 0,9937 en la concentración de proteína para el análisis ensayo por ensayo. Las redes neuronales artificiales, obtuvieron sumatorias medias de los errores cuadráticos de 0,017 y 11,394 para las concentraciones de proteína y ergosterol respectivamente. Los resultados muestran que el modelo logístico y las redes neuronales artificiales son herramientas útiles para modelar en fermentación sólida. Los mejores ajustes fueron para la concentración de proteína.
ABSTRACT: In this work, the analysis of the growth of Pleurotus pulmonarius in corn cob, using artificial neural networks and a logistic model was carried out. Biomass is quantified through the concentrations of protein (Kjeldahl method) and ergosterol (High performance liquid chromatography). The data obtained were analyzed with the Matlab and R programs. The best adjusted r2 of the logistic model was 0.9937 in the concentration for test by test protein analysis. For the artificial neural network model the root mean square error was 0.017 for the concentrations of protein and 11.394 for ergosterol. The results show that the logistic model and the artificial neural network model are useful tools for modeling solid fermentation. The best results were found for the concentration of protein.
ISSN : 0718-0764
metadata.dc.identifier.doi: 10.4067/S0718-07642014000400016
Aparece en las colecciones: Artículos de Revista en Farmacéutica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ZapataJose_2014_MedicionBiomasaFermentacion.pdfArtículo de investigación538.37 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons