Nouveau système de prédiction des maladies utilisant des techniques hybrides d'apprentissage profond

Ce livre a été réalisé à l'aide de trois modèles différents avec une combinaison différente de sélection de caractéristiques et de techniques d'apprentissage profond. Le premier modèle propose la combinaison du nouvel algorithme de sélection des caractéristiques basé sur l'optimisation améliorée du loup-gris (EGWO-FSA) et du réseau de croyance profond (DBN) pour diagnostiquer les maladies cardiaques, le diabète et le cancer. Le deuxième modèle propose un système de prédiction des maladies développé à l'aide du nouvel algorithme d'optimisation génétique du coucou binaire (GBCOA) et du nouveau réseau neuronal convolutionnel récurrent (C-RNN) pour identifier les maladies cardiaques, cancéreuses et diabétiques. La troisième technique met en ¿uvre un nouveau système de prédiction des maladies qui a été développé en utilisant le nouvel algorithme de sélection incrémentale des caractéristiques (IFSA) et le nouveau réseau neuronal convolutif avec caractéristiques temporelles (T-CNN) pour prédire les maladies cardiaques, diabétiques et cancéreuses. Les techniques proposées sont évaluées en menant diverses expériences et ont atteint de meilleures performances dans le système de prédiction des maladies proposé que les systèmes existants en termes de précision de prédiction et de temps de calcul.