مژده تنها - دپارتمان مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران جنوب، ایران

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 دستگاه های IoT بهصورت بلادرنگ در اختیار گره ها قرار می گیرند. این محاسبات نسبتا ایمن تر از محاسبات ابری است، زیرا اطلاعات به سرعت ذخیره می شوند و نزدیک به منابع داده در گره های مه محلی ارزیابی می شوند. همچنین فناوری بلاک چین توانایی افزایش اعتبار و مشروعیت داده ها را فراهم می کند. این مقاله مدلی برای پیش بینی بیماری دیابت مبتنی بر بلاک چین با استفاده از ترکیب الگوریتم های شبکه عصبی مصنوعی و الگوریتم بهینه سازی ازدحام ذرات در بستر محاسبات مه پیشنهاد می کند. همچنین به منظور کاهش پیچیدگی مدل پیشنهادی ویژگیهای برتر داده های ورودی را توسط الگوریتم بهینه سازی ازدحام ذرات استخراج کردیم. نتایج نشان می دهد که تشخیص بیماران دیابتی توسط شبکه عصبی مصنوعی مبتنی بر بهینه سازی ازدحام ذرات تا حد زیادی از دقت قابل قبولی برخوردار است. صحت تشخیص ۹۷.۱ % برای داده های آزمایش نشان میدهد که اجرای مدل های شبکه عصبی مصنوعی مبتنی بر بهینه سازی ازدحام ذرات به عنوان ابزاری بسیار معتبر ، کارآمد و کاربردی در تشخیص بیماران دیابتی قابل استفاده است.

الگوریتم بهینه سازی ازدحام ذرات، الگوریتم شبکه عصبی، تشخیص بیماری، فناوری بلاکچین، محاسبات مه