Diabetes is among the most common medical issues which people are facing nowadays. It may cause physical incapacity or even death in some cases. It has two core types, namely type I and type II. Both types are chronic and influence the functions of the human body that regulate blood sugar. In the human body, glucose is the main element that boosts cells. However, insulin is a key that enters the cells to control blood sugar. People with diabetes type I do not have the ability to produce insulin. Whereas people with diabetes type II lack the ability to react to insulin and frequently do not make enough insulin. For adequate analysis of such a fatal disease, techniques with a minimum error rate must be utilized. In this regard, different models of artificial neural network (ANN) have been investigated in the literature to diagnose/predict the condition with a minimum error rate, however, there is a need for improvement. To further advance the accuracy, a deep extreme learning machine (DELM) based prediction model is proposed and investigated in this research. By using the DELM approach, a high level of reliability with a minimum error rate is achieved. The approach shows significant improvement in results compared to previous investigations. It is observed that during the investigation the proposed approach has the highest accuracy rate of 92.8% with 70% of training (9500 samples) and 30% of test and validation (4500 examples). Simulation results validate the prediction effectiveness of the proposed scheme.

中文翻译：

---

使用深度极限学习机进行II型糖尿病预测的建模，仿真和优化

糖尿病是当今人们面临的最普遍的医学问题之一。在某些情况下，它可能导致身体上的丧失能力甚至死亡。它具有两种核心类型，即I型和II型。这两种类型都是慢性的，会影响人体调节血糖的功能。在人体中，葡萄糖是增强细胞的主要元素。但是，胰岛素是进入细胞以控制血糖的关键。I型糖尿病患者没有产生胰岛素的能力。鉴于II型糖尿病患者缺乏对胰岛素的反应能力，经常不能产生足够的胰岛素。为了对此类致命疾病进行充分分析，必须使用错误率最低的技术。在这方面，文献中已经研究了不同模型的人工神经网络（ANN），以最小的错误率来诊断/预测疾病，但是仍需要改进。为了进一步提高精度，提出并研究了基于深度极限学习机（DELM）的预测模型。通过使用DELM方法，可以实现具有最小错误率的高可靠性。与以前的研究相比，该方法显示出显着的结果改进。可以看出，在调查过程中，所提出的方法的正确率最高，为92.8％，其中70％的训练（9500个样本）以及30％的测试和验证（4500个例子）。仿真结果验证了该方案的预测有效性。需要改进。为了进一步提高精度，提出并研究了基于深度极限学习机（DELM）的预测模型。通过使用DELM方法，可以实现具有最小错误率的高可靠性。与以前的研究相比，该方法显示出显着的结果改进。可以看出，在调查过程中，所提出的方法的正确率最高，为92.8％，其中70％的训练（9500个样本）以及30％的测试和验证（4500个例子）。仿真结果验证了该方案的预测有效性。需要改进。为了进一步提高精度，提出并研究了基于深度极限学习机（DELM）的预测模型。通过使用DELM方法，可以实现具有最小错误率的高可靠性。与以前的研究相比，该方法显示出显着的结果改进。可以看出，在调查过程中，所提出的方法的正确率最高，为92.8％，其中70％的训练（9500个样本）以及30％的测试和验证（4500个例子）。仿真结果验证了该方案的预测有效性。以最小的错误率实现了高度的可靠性。与以前的研究相比，该方法显示出显着的结果改进。可以看出，在调查过程中，所提出的方法的正确率最高，为92.8％，其中70％的训练（9500个样本）以及30％的测试和验证（4500个例子）。仿真结果验证了该方案的预测有效性。以最小的错误率实现了高度的可靠性。与以前的研究相比，该方法显示出显着的结果改进。可以看出，在调查过程中，所提出的方法的正确率最高，为92.8％，其中70％的训练（9500个样本）以及30％的测试和验证（4500个例子）。仿真结果验证了该方案的预测有效性。