El Internet de las cosas y las tecnologías de cosas médicas (IoT) y (IoMT) se han implementado para simplificar la vida de la humanidad, lo que aumentó la complejidad de las comunicaciones entre sus capas al unir cada vez más aplicaciones a infraestructuras basadas en IoT e IoMT. El problema es un desafío para la toma de decisiones y la calidad del servicio, donde algunos investigadores han abordado los métodos basados en recompensas para abordar los problemas empleando algoritmos de aprendizaje por refuerzo (RL) y redes neuronales profundas (DNNs). Sin embargo, satisfacer su disponibilidad sigue siendo un desafío para la calidad del servicio debido a la falta de imposición de una penalización a los dispositivos defectuosos después de detectar fallos. Este documento propone un método de cuasi-mapeo para transferir los roles de sensores y servicios a los nodos de una red neuronal para satisfacer la disponibilidad de las aplicaciones basadas en IoT utilizando un enfoque de penalización hacia atrás en los pesos de la NN y poda de neuronas débiles y pesos sinápticos (SWs). Recompensamos a los sensores y servicios de niebla, y a los pesos de conexión entre ellos cuando se cubren las salidas de los nodos defectuosos. Además, este trabajo proporciona un enfoque de toma de decisiones para dedicar el servicio adecuado al solicitante empleando un valor de umbral en la capa de salida de la NN de acuerdo con la aplicación. Al proporcionar un algoritmo inteligente, el estudio decide proporcionar un servicio basado en su disponibilidad y actualizar la información inicial, incluyendo dispositivos defectuosos y nuevos componentes unidos. Las observaciones y resultados demuestran una precisión en la toma de decisiones para diferentes aplicaciones basadas en IoT de aproximadamente 95.8-97% sin imponer costos. El estudio reduce el consumo de energía y el retraso en aproximadamente un 64.71% y un 47.4% en comparación con no usar redes neuronales además de crear disponibilidad de servicio. Esta idea afecta a la implementación de infraestructuras de IoT para la toma de decisiones sobre la prestación de servicios apropiados en situaciones críticas debido a la eliminación de dispositivos defectuosos y la incorporación de nuevos componentes mediante la imposición de penalizaciones y recompensas por parte del diseñador, respectivamente.