Optimal fuzzy deep daily nutrients requirements representation: Application to optimal Morocco diet problem

Abstract

Вирішення проблеми оптимального харчування обов’язково передбачає оцінку добової потреби в позитивних і негативних поживних речовинах. Більшість підходів, запропонованих у літературі, засновані на стандартних номінальних оцінках, які можуть викликати дефіцит в одних і передозування в інших нутрієнтах. Підхід, запропонований у цій роботі, полягає в персоналізації цих потреб на основі інтелектуальної системи. На початку подаємо потреби, отримані з рекомендацій експертів у галузі харчування, трапецієподібними числами. На основі цієї моделі створюємо велику базу даних. Остання використовується для навчання глибокої нейронної мережі, архітектуру якої оптимізуємо за допомогою методу нечіткого генетичного алгоритму, приймаючи індивідуальну умову регулювання. Наша система оцінює потреби в поживних речовинах лише на основі статі та віку. Ці оцінки інтегровані в математичну модель, яку ми використовували в нашій попередній роботі. Потім ми знову використовуємо нечіткий генетичний алгоритм для складання персоналізованих дієт. Запропонована система показала дуже високу здатність прогнозування потреб різних за віком та статтю людей і дозволила складати дуже корисні раціони харчування.Solving the optimal diet problem necessarily involves estimating the daily requirements in positive and negative nutrients. Most approaches proposed in the literature are based on standard nominal estimates, which may cause shortages in some nutrients and overdoses in others. The approach proposed in this paper consists in personalizing these needs based on an intelligent system. In the beginning, we present the needs derived from the recommendations of experts in the field of nutrition in trapezoidal numbers. Based on this model, we generate a vast database. The latter is used to educate a deep learning neural network, the architecture of which we optimize by the fuzzy genetic algorithm method in the way of adopting a customized regulation term. Our system estimates nutrient requirements based only on gender and age. These estimations are integrated into a mathematical model obtained in our previous work. Then we again use the fuzzy genetic algorithm to draw up personalized diets. The proposed system has demonstrated a very high capacity to predict the needs of different individuals and has allowed the drawing up of very high-quality diets.