پیش بینی بیماری دیابت مبتنی بر بالک چین با استفاده از ترکیب الگوریتم های شبکه عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات در بستر محاسبات مه

محاسبات مه نوعی زیرساخت غیرمتمرکز است که در آن منابع محاسباتی بین منبع داده و مرکز داده یا ابر قرار گرفته و داده ها از دستگاههای iot بهصورت بالدرنگ در اختیار گره ها قرار میگیرند. این محاسبات نسبتاً ایمن تر از محاسبات ابری است، زیرا اطلاعات به سرعت ذخیره می شوند و نزدیک به منابعداده در گره های مه محلی ارزیابی می شوند. همچنین فناوری بالک چین توانایی افزایش اعتبار و مشروعیت داده ها را فراهم می کند. این مقاله مدلی برای پیشبینی بیماری دیابت مبتنی بر بالک چین با استفاده از ترکیب الگوریتم های شبکه عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات در بستر محاسبات مهپیشنهاد می کند. همچنین به منظور کاهش پیچیدگی مدل پیشنهادی ویژگی های برتر داده های ورودی را توسط الگوریتم بهینه سازی ازدحام ذرات استخراجکردیم. نتایج نشان می دهد که تشخیص بیماران دیابتی توسط شبکه عصبی مصنوعی مبتنی بر بهینه سازی ازدحام ذرات تا حد زیادی از دقت قابل قبولیبرخوردار است. صحت تشخیص 1.97 %برای داده های آزمایش نشان میدهد که اجرای مدل های شبکه عصبی مصنوعی مبتنی بر بهینه سازی ازدحام ذرات بهعنوان ابزاری بسیار معتبر ، کارآمد و کاربردی در تشخیص بیماران دیابتی قابل استفاده است.