姜鹏飞,郑杰,陈瑶,孙娜,祁立波,李德阳,林松毅*

1(大连工业大学 食品学院,国家海洋食品工程技术研究中心,辽宁 大连,116033) 2(辽宁省海洋水产科学研究院,辽宁 大连,116023)

人工神经网络(artificial neural networks,ANN)建立在仿生学的基础上,主要原理是模拟人类大脑的神经网络结构与功能特征[1]。它可以应用于联想记忆[2]、非线性映射[3]、分类与识别[4]、优化计算[5]、知识处理[6]。具有信息存储的分布式存储、计算的并行性与存储的分布性(结构特点)、非线性、鲁棒性与容错性(性能特点)以及自学习和自适应性(能力特点),在信息存储方面主要有卷积神经网络(convolutional neural networks,CNN)、循环神经网络(recurrent neural networks,RNN)和生成对抗网络(generative adversarial networks,GAN)三种结构[7],如表1所示。

表1 神经网络主要解释方法Table 1 The main interpretation methods for neural networks

人工神经网络有多种算法,但大体可以分为两类:一是需要对样品进行学习训练及预测的有管理的人工神经网络;二是无须训练的无管理的人工神经网络[8]。

人工神经网络目前已经在信息处理领域、自动化领域、工程领域、医学领域、经济领域等应用并取得的一定的成果。本文分别从水产养殖技术检测,水产品工艺优化,活性成分分析,产品品质评价等方面就人工神经网络在相关领域中的应用进行归纳总结,为后续人工神经网络在水产品中的应用梳理思路,提供理论依据[9]。

1 养殖技术

目前,我国渔业捕捞量增长迅猛,与养殖量不匹配,并且生产效率和专业技术与国外相比相差较大[10]。水生生物生长主要受环境、种群和物种的影响,如图1所示,本文从ANN预测养殖环境、种群丰度和养殖品种对水产养殖生物生长相关性研究进展进行系统整理,并从经济角度对养殖管理方式和水产价格进行分析,以期为水产后续生长研究提供借鉴,从而更好地服务于我国水产养殖业。……