EN
The experimentally-determined degrees of hydrolysis (DH) for different enzyme/substrate (E/S) ratios were used for training the artificial neural network (ANN) to predict the trypsin hydrolysis reaction of pea protein for E/S = 15, 25 and 35 mAU/g based on measurements carried out for E/S=5 mAU/g only. The analysis was performed on a personal computer using a Statistica Neural Networks v. 6.0 PL (StatSoft, Tulsa, OK, USA). The input data were randomized into three sets: learning, validating and testing. Good agreement between the calculated DH values with the use of the ANN designed and the experimentally obtained values was achieved with all three sets of data. The correlation coefficient R2 ranged from 0.978 to 0.999. The differences between the experimental and the calculated data of DH% were very low and ranged from 0.07% to 0.26%. The results obtained show that the ANN method can be useful for the design of the enzymatic processes.
PL
Sztuczne sieci neuronowe (ANN) zostały wykorzystane do zbudowania modelu zdolnego przewidywać stopień hydrolizy (DH%) białka grochu trypsyną. Sieć typu perceptronu wielowarstwowego uczono dwufazowo. W pierwszej fazie zastosowano algorytm wstecznej propagacji błędu, następnie kontynuowano uczenie przy użyciu algorytmu gradientów sprzężonych. Analizy przeprowadzono korzystając z oprogramowania Statistica Neural Networks v. 6.0 PL (StatSoft, Tulsa, OK., USA). Uzyskano wysoką zgodność wartości DH% wyliczonych przy użyciu ANN z wartościami wyznaczonymi eksperymentalnie. Współczynnik korelacji R2 w zależności od zbioru i stosunku E/S wynosił od 0.978 do 0.999. Różnice pomiędzy wartościami DH% wyznaczonymi eksperymentalnie i wyliczonymi przez ANN były bardzo niskie i wahały się od 0.07% do 0.26%. Otrzymane w pracy wyniki wskazują, że metoda sztucznych sieci neuronowych może być pomocna przy opracowaniu podstaw technologicznych procesu enzymatycznego.