I
n
d
on
e
s
i
an
Jo
u
r
n
al
o
f
El
e
c
t
r
i
c
al
En
gi
n
e
e
r
i
n
g
an
d
C
o
m
p
u
te
r
S
c
i
e
n
c
e
V
o
l
.
17
,
N
o
.
1
,
J
a
n
u
a
r
y
20
20
,
pp
.
52
4
~
53
2
IS
S
N
:
2502
-
4752
,
D
O
I
:
10.
1
1591
/
i
j
e
e
c
s
.
v
1
7
.i
1
.
pp52
4
-
53
2
524
Jou
r
n
al
h
o
m
e
pa
ge
:
ht
t
p:
/
/
i
j
e
e
c
s
.
i
a
e
s
c
or
e
.
c
om
A
M
u
l
t
i
-
l
a
y
e
r
p
e
r
c
e
p
t
r
o
n
b
a
s
e
d
i
n
t
e
l
l
i
g
e
n
t
t
h
y
r
o
i
d
d
i
se
a
se
p
r
e
d
i
c
t
i
o
n
s
y
st
e
m
A
r
v
i
n
d
S
e
l
w
a
l
,
I
fr
ah
R
ao
o
f
D
e
pa
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
a
n
d
I
nf
o
r
m
a
t
i
o
n
T
e
c
hno
l
o
gy
,
C
e
n
t
r
a
l
U
ni
v
e
r
s
i
t
y
o
f
J
a
m
m
u,
J
&
K
,
I
ndi
a
A
r
ti
c
l
e
I
n
fo
A
B
S
TR
A
C
T
Ar
t
i
c
l
e
h
i
s
t
or
y
:
R
e
c
e
i
v
e
d
A
ug
18,
201
8
R
e
v
i
s
e
d
J
ul
6
,
2019
A
c
c
e
pt
e
d
J
ul
20
,
201
9
A
c
ha
l
l
e
ng
i
ng
t
a
s
k
f
o
r
t
he
m
o
de
r
n
r
e
s
e
a
r
c
h
i
s
t
o
a
c
c
ur
a
t
e
l
y
di
a
g
no
s
e
t
he
di
s
e
a
s
e
s
pr
i
o
r
t
o
t
he
i
r
t
r
e
a
t
m
e
nt
.
P
a
r
t
i
c
ul
a
r
l
y
i
n
r
ur
a
l
a
r
e
a
s
,
t
he
i
ns
t
a
nt
di
a
g
no
s
i
s
f
o
r
a
l
i
f
e
s
t
y
l
e
di
s
e
a
s
e
i
s
r
a
r
e
l
y
a
v
a
i
l
a
bl
e
;
i
t
be
c
o
m
e
s
ne
c
e
s
s
a
r
y
t
o
us
e
m
o
de
r
n
c
o
m
put
i
ng
t
e
c
hni
q
ue
s
t
o
de
s
i
g
n
i
nt
e
l
l
i
g
e
n
t
pr
e
d
i
c
t
i
o
n
s
y
s
t
e
m
s
.
A
m
a
c
hi
ne
l
e
a
r
n
i
ng
m
o
de
l
i
s
us
e
d
f
o
r
s
o
l
v
i
ng
c
o
m
pl
e
x
a
nd
no
n
-
s
e
pa
r
a
b
l
e
pr
e
d
i
c
t
i
o
n
pr
o
bl
e
m
s
i
n
d
i
f
f
e
r
e
n
t
f
i
e
l
ds
l
i
ke
m
e
di
c
a
l
d
i
a
g
no
s
i
s
,
de
c
i
s
i
o
n
s
uppo
r
t
s
y
s
t
e
m
s
,
bi
o
c
he
m
i
c
a
l
a
na
l
y
s
i
s
,
i
m
a
g
e
p
r
o
c
e
s
s
i
ng
a
nd
f
i
na
nc
i
a
l
a
na
l
y
s
i
s
e
t
c
.
T
h
e
a
c
c
ur
a
c
y
f
o
r
t
hy
r
o
i
d
di
a
g
no
s
i
s
s
y
s
t
e
m
m
a
y
be
i
m
pr
o
v
e
d
b
y
c
o
ns
i
de
r
i
ng
f
e
w
a
ddi
t
i
o
na
l
a
t
t
r
i
bu
t
e
s
l
i
ke
h
e
r
e
d
i
t
y
,
a
g
e
,
a
nt
i
-
b
o
di
e
s
e
t
c
.
I
n
t
hi
s
pa
p
e
r
,
a
n
i
m
p
r
o
v
e
d
a
nd
i
nt
e
l
l
i
g
e
n
t
t
hy
r
o
i
d
di
s
e
a
s
e
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
i
s
de
v
e
l
o
pe
d
u
s
i
ng
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
r
o
n
(
M
L
P
)
m
a
c
h
i
ne
l
e
a
r
n
i
n
g
m
o
de
l
.
T
he
pr
o
po
s
e
d
s
y
s
t
e
m
us
e
s
7
t
o
11
f
e
a
t
ur
e
s
o
f
t
he
i
ndi
v
i
dua
l
s
t
o
c
l
a
s
s
i
f
y
t
he
m
i
n
no
r
m
a
l
,
hy
pe
r
t
hy
r
o
i
d
a
nd
hy
p
o
t
h
y
r
o
i
d
c
l
a
s
s
e
s
.
T
he
s
y
s
t
e
m
us
e
s
g
r
a
di
e
n
t
de
s
c
e
n
t
ba
c
kpr
o
po
g
a
t
i
o
n
a
l
g
o
r
i
t
hm
f
o
r
t
r
a
i
ni
ng
t
h
e
m
a
c
hi
ne
l
e
a
r
n
i
ng
m
o
de
l
us
i
ng
da
t
a
s
e
t
o
f
120
s
ub
j
e
c
t
s
c
o
l
l
e
c
t
e
d
f
r
o
m
S
K
I
M
S
H
o
s
pi
t
a
l
,
J
a
m
m
u
a
nd
K
a
s
hm
i
r
.
T
he
t
hy
r
o
i
d
pr
e
d
i
c
t
i
o
n
s
y
s
t
e
m
pr
o
m
i
s
e
s
e
xc
e
l
l
e
n
t
o
v
e
r
a
l
l
a
c
c
ur
a
c
y
o
f
ne
a
r
l
y
99.
8%
f
o
r
11
a
t
t
r
i
bu
t
e
s
w
i
t
h
m
o
r
e
num
b
e
r
t
r
a
i
n
i
ng
i
ns
t
a
nc
e
s
.
H
o
w
e
v
e
r
,
t
he
s
y
s
t
e
m
r
e
s
ul
t
s
i
n
a
l
o
w
e
r
a
c
c
ur
a
c
y
o
f
66.
7%
us
i
ng
11
a
t
t
r
i
bu
t
e
s
a
nd
70
%
us
i
ng
7
a
t
t
r
i
but
e
s
w
i
t
h
30
s
ubj
e
c
t
s
.
Ke
y
w
or
ds
:
Int
e
l
l
i
ge
nt
s
y
s
t
e
m
s
M
a
c
hi
n
e
l
e
a
rni
n
g
M
ul
t
i
-
l
a
y
e
r
pe
r
c
e
pt
r
o
n
P
a
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
T
h
y
r
o
i
d
di
s
e
a
s
e
C
opy
r
i
gh
t
©
2020
I
n
s
t
i
t
ut
e
o
f
A
dv
anc
e
d
E
ng
i
ne
e
r
i
ng
and
S
c
i
e
nc
e
.
A
l
l
r
i
gh
t
s
r
e
s
e
r
v
e
d
.
Cor
r
e
s
pon
di
n
g
Au
t
h
or
:
A
r
v
i
n
d
S
e
l
w
a
l
,
Ce
n
t
ra
l
U
n
i
v
e
r
s
i
t
y
of
J
a
m
m
u
,
S
a
m
b
a
,
J
a
m
m
u
a
n
d
K
a
s
h
m
i
r,
I
ndi
a
-
1811
43.
E
m
a
i
l
:
a
r
v
i
n
d
.
c
uj
@
gm
a
i
l
.
c
o
m
1.
I
N
TR
O
D
U
C
TI
O
N
M
a
c
h
i
n
e
l
e
a
r
n
i
n
g
i
s
a
m
o
de
r
n
w
a
y
o
f
c
o
m
put
i
n
g
w
h
e
r
e
kn
o
w
l
e
dge
a
l
o
n
gw
i
t
h
a
t
e
c
h
n
i
que
i
s
us
e
d
t
o
b
ui
l
d
a
m
o
de
l
w
h
i
c
h
i
m
i
t
a
t
e
s
t
h
e
b
e
h
a
v
i
o
ur
o
f
h
um
a
n
b
e
i
n
g.
O
n
c
e
t
h
e
m
a
c
i
n
e
l
e
a
r
n
i
ng
m
o
de
l
i
s
t
r
a
i
ne
d
i
t
w
i
l
l
s
t
a
r
t
pr
e
di
c
t
i
n
g
t
h
e
c
l
a
s
s
o
f
a
gi
v
e
n
f
e
a
t
ur
e
s
e
t
.
A
s
s
h
o
w
n
i
n
t
h
e
F
i
gur
e
1,
a
v
a
r
i
e
t
y
o
f
m
a
c
h
i
n
e
l
e
a
r
n
i
n
g
t
e
c
h
n
i
que
s
a
r
e
a
v
a
i
l
a
b
l
e
w
h
i
c
h
m
a
y
b
e
c
a
t
e
go
r
i
s
e
d
b
r
o
a
dl
y
i
n
t
o
s
upe
r
v
i
s
e
d,
un
s
upe
r
v
i
s
e
d
a
n
d
r
e
i
n
f
o
r
c
e
m
e
n
t
l
e
a
r
n
i
n
g.
T
h
e
t
y
pi
c
a
l
e
xa
m
pl
e
s
o
f
s
upe
r
v
i
s
e
d
m
a
c
h
i
n
e
l
e
a
r
n
i
n
g
a
l
go
r
i
t
h
m
s
i
n
c
l
ude
s
N
e
a
r
e
s
t
n
e
i
gh
b
o
ur
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
r
e
gr
e
s
s
i
o
n
,
S
uppo
r
t
v
e
c
t
o
r
m
a
c
h
i
n
e
(S
V
M
),
A
r
t
i
f
i
c
i
a
l
n
e
ur
a
l
n
e
t
w
o
r
ks
N
a
ï
v
e
b
a
s
e
c
l
a
s
s
i
f
i
e
r
s
a
n
d
de
c
i
s
i
o
n
t
r
e
e
s
.
A
n
A
r
t
i
f
i
c
i
a
l
n
e
ur
a
l
n
e
t
w
o
r
k
(A
N
N
)
i
s
a
n
i
n
f
o
r
m
a
t
i
o
n
pr
o
c
e
s
s
i
n
g
pa
r
a
di
gm
t
h
a
t
i
s
m
o
t
i
v
a
t
e
d
b
y
t
h
e
w
a
y
b
i
o
l
o
gi
c
a
l
n
e
ur
a
l
s
y
s
t
e
m
i
.
e
.
b
r
a
i
n
pr
o
c
e
s
s
t
h
e
da
t
a
.
T
h
e
n
e
ur
a
l
n
e
t
w
o
r
k
c
o
n
s
t
i
t
ut
e
s
o
f
c
o
un
t
l
e
s
s
i
n
t
e
r
c
o
n
n
e
c
t
e
d
i
n
f
o
r
m
a
t
i
o
n
h
a
n
dl
i
n
g
c
o
m
po
n
e
n
t
s
c
a
l
l
e
d
n
e
ur
o
n
s
.
T
h
e
ke
y
c
o
m
po
n
e
n
t
o
f
t
h
e
n
e
ur
a
l
n
e
t
w
o
r
k
i
s
a
n
o
v
e
l
s
t
r
uc
t
ur
e
.
N
e
ur
a
l
s
y
s
t
e
m
s
,
w
i
t
h
t
h
e
i
r
e
f
f
i
c
i
e
n
t
c
a
pa
b
i
l
i
t
y
t
o
de
r
i
v
e
m
e
a
n
i
n
gf
ul
i
n
f
o
r
m
a
t
i
o
n
f
r
o
m
i
m
pr
e
c
i
s
e
i
n
f
o
r
m
a
t
i
o
n
,
c
a
n
b
e
ut
i
l
i
z
e
d
t
o
s
e
pa
r
a
t
e
a
n
d
di
s
t
i
n
gui
s
h
pa
t
t
e
r
n
s
t
h
a
t
a
r
e
t
o
o
i
n
t
r
i
c
a
t
e
t
o
b
e
n
o
t
i
c
e
d
b
y
a
n
y
c
o
m
put
e
r
t
e
c
h
n
i
que
o
r
b
y
h
um
a
n
.
A
s
A
N
N
i
s
a
s
e
l
f
l
e
a
r
n
i
n
g
f
r
a
m
e
w
o
r
k,
i
t
s
h
o
w
s
di
s
t
i
n
c
t
i
v
e
c
l
a
s
s
e
s
o
f
l
e
a
r
n
i
n
g
c
a
l
c
ul
a
t
i
o
n
s
,
f
o
r
e
xa
m
pl
e
,
s
upe
r
v
i
s
e
d
l
e
a
r
n
i
n
g,
un
s
upe
r
v
i
s
e
d
l
e
a
r
n
i
n
g
a
n
d
r
e
i
n
f
o
r
c
e
m
e
n
t
l
e
a
r
n
i
ng
.
A
N
N
s
a
r
e
w
i
de
l
y
us
e
d
i
n
t
h
e
r
e
a
l
-
w
o
r
l
d
c
o
m
put
a
t
i
o
n
a
ppl
i
c
a
t
i
o
n
s
.
T
h
e
v
a
r
i
o
us
a
r
e
a
s
o
f
a
ppl
i
c
a
t
i
on
i
n
c
l
ude
pa
t
t
e
r
n
r
e
c
o
gn
i
t
i
o
n
,
pa
t
t
e
r
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
n
d
pa
t
t
e
r
n
pr
e
di
c
t
i
o
n
.
T
h
e
w
h
o
l
e
pa
r
a
di
gm
o
f
pr
e
di
c
t
i
n
g
l
i
f
e
s
t
y
l
e
di
s
e
a
s
e
i
s
s
h
i
f
t
i
n
g
f
r
o
m
o
l
d
c
o
n
v
e
n
t
i
o
n
a
l
m
e
t
h
o
d
t
o
m
a
c
h
i
n
e
l
e
a
r
n
i
n
g
b
a
s
e
d
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
A
m
u
l
t
i
l
a
y
e
r
-
p
e
r
c
e
pt
r
on
bas
e
d
i
nt
e
l
l
i
g
e
nt
t
h
y
r
oi
d
d
i
s
e
as
e
pr
e
di
c
t
i
on
s
y
s
t
e
m
(
A
r
v
i
ndS
e
l
w
al
)
525
T
h
y
r
o
i
d
di
s
e
a
s
e
i
s
o
n
e
a
m
o
n
g
t
h
e
c
o
m
m
o
n
l
i
f
e
s
t
y
l
e
di
s
e
a
s
e
.
T
h
y
r
o
i
d
o
r
ga
n
i
s
a
b
ut
t
e
r
f
l
y
-
m
o
l
de
d
o
r
ga
n
w
hi
c
h
i
s
p
r
e
s
e
n
t
i
n
t
h
e
n
e
c
k
un
de
rn
e
a
t
h
t
h
e
m
o
ut
h
o
f
h
um
a
n
b
o
d
y
.
It
r
e
l
e
a
s
e
h
o
r
m
o
n
e
s
t
h
a
t
c
o
n
t
r
o
l
m
e
t
a
b
o
l
i
s
m
l
i
ke
h
e
a
rt
ra
t
e
,
b
o
d
y
t
e
m
pe
r
a
t
u
r
e
e
t
c
.
I
t
p
r
o
duc
e
s
t
w
o
m
a
i
n
h
o
rm
o
n
e
s
T
3
a
n
d
T
4
.
T
h
e
s
e
h
o
rm
o
n
e
s
a
r
e
r
e
s
po
n
s
i
b
l
e
f
o
r
v
a
r
i
o
us
m
e
t
a
b
o
l
i
c
a
c
t
i
v
i
t
i
e
s
l
i
ke
b
o
d
y
w
e
i
gh
t
,
h
e
a
r
t
ra
t
e
e
t
c
.
T
h
e
s
e
a
c
t
i
v
i
t
i
e
s
m
a
y
ge
t
di
s
t
ur
b
e
d
i
f
t
h
e
l
e
ve
l
of
t
h
e
s
e
h
o
r
m
o
n
e
s
c
h
a
nge
s
.
S
o
t
h
e
di
a
g
n
o
s
i
s
of
t
h
y
r
o
i
d
di
s
e
a
s
e
i
s
i
m
po
rt
a
n
t
p
ri
o
r
t
o
i
t
s
t
r
e
a
t
m
e
n
t
.
A
b
o
ut
32
pe
r
c
e
n
t
o
f
t
h
e
t
o
t
a
l
I
n
di
a
n
po
pul
a
t
i
o
n
s
uf
f
e
r
s
f
r
o
m
t
h
y
r
o
i
d
di
s
e
a
s
e
.
T
h
e
T
h
y
r
o
i
d
di
s
e
a
s
e
m
a
y
b
e
b
r
o
a
dl
y
c
a
t
e
go
r
i
z
e
d
i
.
e
.
h
y
p
ot
h
y
r
o
i
d
a
n
d
h
y
pe
r
t
h
y
r
o
i
d.
W
h
e
n
t
h
e
a
m
o
u
n
t
o
f
h
o
rm
o
n
e
s
e
xc
e
e
d
t
h
e
a
m
o
un
t
r
e
qui
r
e
d
by
t
h
e
h
um
a
n
b
o
d
y
,
i
t
c
a
us
e
s
h
y
pe
r
t
h
y
r
o
i
di
s
m
.
H
y
po
t
h
y
r
o
i
di
s
m
i
s
t
h
e
i
n
v
e
r
s
e
o
f
h
y
p
e
r
t
h
y
r
o
i
di
s
m
;
i
t
r
e
duc
e
s
b
o
d
y
m
e
t
a
bo
l
i
s
m
,
c
a
u
s
e
dr
o
w
s
i
n
e
s
s
a
n
d
pa
i
n
i
n
j
o
i
n
t
s
.
F
i
gu
r
e
1
.
M
a
c
hi
n
e
l
e
a
rni
n
g
t
a
xo
n
o
m
y
F
i
gu
r
e
2.
M
e
c
h
a
ni
s
m
o
f
t
h
y
r
o
i
d
d
i
s
e
a
s
e
T
h
e
r
e
s
t
o
f
t
h
e
a
r
t
i
c
l
e
i
s
o
r
ga
n
i
s
e
d
a
s
f
o
l
l
o
w
s
.
T
h
e
S
e
c
t
i
o
n
2
o
f
t
h
e
a
r
t
i
c
l
e
pr
e
s
e
n
t
s
a
b
r
i
e
f
b
a
c
kgr
o
un
d
o
f
v
a
r
i
o
us
r
e
l
a
t
e
d
l
i
f
e
s
t
y
l
e
di
s
e
a
s
e
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
s
.
T
h
e
S
e
c
t
i
o
n
3
e
xpl
a
i
n
s
a
b
o
ut
t
h
e
m
a
c
h
i
n
e
l
e
a
r
n
i
n
g
b
a
s
e
d
f
r
a
m
e
w
o
r
k
a
n
d
a
l
go
r
i
t
h
m
o
f
t
h
e
pr
o
po
s
e
d
i
n
t
e
l
l
i
ge
n
t
t
h
y
r
o
i
d
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
.
T
h
e
t
r
a
i
n
i
n
g
a
n
d
pr
e
di
c
t
i
o
n
a
c
c
ur
a
c
y
o
f
t
h
e
pr
o
po
s
e
d
t
h
y
r
o
i
d
s
y
s
t
e
m
a
t
v
a
r
i
o
us
l
e
v
e
l
s
i
s
c
o
m
put
e
d
i
n
t
h
e
S
e
c
t
i
o
n
4.
T
h
e
S
e
c
t
i
o
n
5
o
f
t
h
e
a
r
t
i
c
l
e
pr
o
v
i
de
s
b
r
i
e
f
f
i
n
di
n
gs
a
n
d
f
ut
ur
e
s
c
o
pe
o
f
t
h
e
pr
e
s
e
n
t
e
d
r
e
s
e
a
r
c
h
.
2.
R
ELA
TED
WO
R
K
V
a
r
i
o
us
r
e
s
e
a
r
c
h
e
r
s
ha
v
e
us
e
d
di
ff
e
r
e
n
t
pa
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
s
fo
r
de
ve
l
o
pi
n
g
l
i
f
e
s
t
y
l
e
di
s
e
a
s
e
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
s
.
In
t
hi
s
s
e
c
t
i
o
n
a
b
r
i
e
f
s
t
ud
y
of
t
h
y
r
o
i
d
di
s
e
a
s
e
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
h
a
v
e
be
e
n
pr
e
s
e
n
t
e
d
.
I
.
D
.
M
a
y
s
a
n
j
a
y
a
e
t
.
a
l
.
(2015)
h
a
v
e
us
e
d
s
i
x
di
f
f
e
r
e
n
t
m
e
t
h
o
ds
f
o
r
t
h
e
di
a
g
n
o
s
i
s
of
t
h
y
r
o
i
d
di
s
e
a
s
e
.
A
f
t
e
r
e
xpe
r
i
m
e
nt
i
o
n,
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
i
o
n
w
a
s
fo
un
d
hi
g
h
e
s
t
a
s
c
o
m
pa
r
e
d
t
o
t
h
a
t
o
f
t
h
e
o
t
h
e
r
f
i
ve
m
e
t
h
o
ds
[1]
.
M
o
hd.
R
e
z
a
e
t
.
a
l
.
(20
17)
ha
v
e
di
s
c
us
s
e
d
t
h
e
di
a
g
n
o
s
i
s
of
di
ff
e
r
e
n
t
t
y
pe
s
of
t
h
y
r
o
i
d
di
s
e
a
s
e
us
i
ng
A
N
N
by
c
o
n
s
i
de
r
i
ng
t
h
e
a
ge
of
a
n
i
n
di
v
i
du
a
l
.
T
h
e
i
n
pu
t
t
o
t
h
e
t
h
y
r
o
i
d
p
r
e
di
c
t
i
o
n
s
y
s
t
e
m
i
s
s
e
ve
n
h
o
r
m
o
n
e
t
e
s
t
s
i
n
c
l
udi
ng
a
ge
a
nd
t
h
e
o
ut
put
i
s
t
h
e
di
a
g
n
o
s
i
s
o
f
t
h
e
t
h
y
r
o
i
d.
T
h
e
v
a
r
i
o
us
A
N
N
s
t
ruc
t
u
r
e
s
us
e
d
i
n
c
l
ude
s
M
L
P
,
P
N
N
,
G
R
N
N
A
N
D
CF
N
N
[2]
.
S
hi
v
a
n
e
e
p
a
n
d
a
y
e
t
a
l
(2016)
ha
v
e
pr
o
po
s
e
d
v
a
r
i
o
us
da
t
a
m
i
n
i
ng
t
e
c
hni
que
s
l
i
ke
B
a
y
e
s
n
e
t
,
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
i
o
n,
R
B
F
n
e
t
w
o
r
k,
L
4.
5
,
CA
R
T
,
R
E
P
t
r
e
e
,
de
c
i
s
i
o
n
s
t
um
p
t
o
de
v
e
l
o
p
c
l
a
s
s
i
f
i
e
r
s
f
o
r
di
a
g
n
o
s
i
s
o
f
h
y
po
t
h
y
r
o
i
d
di
s
e
a
s
e
[20]
.
A
f
t
e
r
pe
r
f
o
r
m
i
ng
t
h
e
e
xpe
r
i
m
e
n
t
s
,
i
t
i
s
c
l
e
a
r
t
ha
t
R
E
P
t
r
e
e
a
n
d
L
4.
5
t
e
c
hn
i
que
s
pe
r
f
o
r
m
w
e
l
l
a
s
c
o
m
pa
r
e
d
t
o
o
t
h
e
r
s
[3]
.
M
a
z
i
n
A
b
dul
r
a
s
o
o
l
h
a
m
e
e
d
e
t
.
a
l
(2009)
ha
v
e
pr
o
po
s
e
d
a
m
e
t
h
o
d
o
f
c
l
a
s
s
i
fy
i
n
g
t
h
y
r
o
i
d
di
s
e
a
s
e
us
i
n
g
m
ul
t
i
l
a
y
e
r
fe
e
d
fo
r
w
a
r
d
us
i
n
g
b
a
c
k
pr
o
pa
ga
t
i
o
n
l
e
a
rn
i
ng
r
ul
e
.
In
t
hi
s
w
o
r
k
t
hr
e
e
i
n
put
s
h
a
v
e
be
e
n
c
o
n
s
i
de
r
e
d
a
s
T
3
,
T
4,
T
S
H
[4]
.
S
a
e
e
dS
h
a
ri
a
t
i
a
n
d
M
a
hdi
M
o
t
a
n
a
l
i
H
a
g
h
i
ghi
(2
010)
ha
v
e
us
e
d
f
uz
z
y
s
y
s
t
e
m
t
o
di
a
g
n
o
s
i
s
h
e
pa
t
i
t
i
s
a
n
d
t
h
y
r
o
i
d
di
s
e
a
s
e
.
T
h
e
r
e
s
u
l
t
s
o
f
f
uz
z
y
n
e
ura
l
n
e
t
w
o
r
ks
w
i
t
h
s
uppo
rt
v
e
c
t
o
r
m
a
c
hi
n
e
a
n
d
a
rt
i
f
i
c
i
a
l
n
e
u
r
a
l
n
e
t
w
o
r
k
w
e
r
e
c
o
m
pa
r
e
d
[5]
.
A
n
u
pa
m
S
h
uk
l
a
e
t
.
a
l
.
(20
09)
i
n
t
h
e
i
r
w
o
r
k
ha
v
e
t
r
a
i
n
e
d
t
h
e
s
y
s
t
e
m
us
i
n
g
t
hr
e
e
A
N
N
a
l
go
ri
t
hm
s
,
t
h
e
b
a
c
kp
r
o
po
ga
t
i
o
n
(B
P
A
),
t
h
e
r
a
d
i
a
l
b
a
s
i
s
f
un
c
t
i
o
n
(R
B
F
)
a
nd
t
h
e
l
e
a
rn
i
ng
v
e
c
t
o
r
qua
n
t
i
z
a
t
i
o
n
(L
V
Q
)
[6]
.
N
a
r
e
n
de
r
K
um
a
r
e
t
.
a
l
.
(20
17)
ha
v
e
us
e
d
v
a
r
i
o
us
da
t
a
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
t
e
c
hni
que
s
a
n
d
t
h
e
i
r
a
c
c
u
r
a
c
y
pe
r
fo
r
m
a
n
c
e
t
o
p
r
e
di
c
t
c
hr
o
ni
c
ki
d
n
e
y
di
s
e
a
s
e
[7]
.
X
i
n
g
e
t
.
a
l
.
(20
17)
ha
v
e
pr
o
po
s
e
d
a
t
e
c
hn
i
q
ue
w
h
i
c
h
i
s
c
o
n
c
e
rn
e
d
w
i
t
h
t
h
e
a
i
m
t
o
de
v
e
l
o
p
a
da
t
a
m
i
ni
n
g
a
l
go
r
i
t
h
m
t
o
p
r
e
di
c
t
s
u
r
v
i
v
a
l
o
f
CH
P
pa
t
i
e
nt
s
(Co
r
o
n
a
r
y
H
e
a
r
t
D
i
s
e
a
s
e
).
I
n
t
hi
s
w
o
r
k,
t
hr
e
e
a
l
g
o
r
i
t
hm
'
s
w
e
r
e
us
e
d
t
o
de
ve
l
o
p
t
h
e
s
e
pr
e
di
c
t
i
o
n
m
o
de
l
s
[8]
.
H
s
i
a
n
g
e
t
.
a
l
.
(2
006)
ha
v
e
Co
m
pa
r
e
d
E
xpe
r
t
J
udgm
e
n
t
(
k
n
o
w
l
e
dge
b
a
s
e
d)
a
n
d
A
u
t
o
m
a
t
i
c
A
ppr
o
a
c
h
e
s
m
(d
a
t
a
d
r
i
v
e
n
)
i
n
t
hi
s
p
a
pe
r,
t
h
e
a
ut
h
o
r
s
ha
v
e
c
o
m
pa
r
e
d
t
w
o
di
f
fe
r
e
n
t
f
e
a
t
u
r
e
s
s
e
l
e
c
t
i
o
n
t
e
c
hn
i
q
ue
s
t
o
e
xt
r
a
c
t
f
e
a
t
u
r
e
s
f
r
o
m
a
gi
v
e
n
da
t
a
s
e
t
.
T
h
e
r
e
s
ul
t
s
u
gge
s
t
s
t
ha
t
t
h
e
a
ut
o
m
a
t
i
c
f
e
a
t
u
r
e
s
e
l
e
c
t
i
o
n
a
pp
r
o
a
c
h
i
m
p
r
o
v
e
t
h
e
p
r
e
di
c
t
i
o
n
c
a
p
a
b
i
l
i
t
y
of
a
c
l
a
s
s
i
f
i
e
r
w
hi
l
e
a
s
t
h
e
do
m
a
i
n
e
xpe
r
t
i
m
p
r
o
v
e
s
t
h
e
s
e
n
s
i
t
i
v
e
l
y
M
A
C
H
I
N
E
LE
A
R
N
I
N
G
UN
S
UP
E
RV
I
S
E
D
L
E
AR
NI
NG
S
UP
E
RV
I
S
E
D
L
E
AR
NI
NG
C
L
ASS
I
F
I
C
AT
I
O
N
(
T
R
E
E
S,
SV
M
,
A
N
N
,
K
N
N
,
N
A
Ï
V
E
B
A
Y
E
S
E
T
C
.
)
R
E
G
R
E
SS
I
O
N
(
L
in
e
a
r
,
M
u
lt
ip
le
)
C
L
US
T
E
RI
NG
,
DI
M
E
NSI
O
N
RE
DU
C
T
I
O
N
(
K
–
M
e
a
n
s
,
P
C
A
,
I
C
A
,
L
D
A
)
RE
I
NF
O
RC
E
M
E
NT
L
E
A
R
N
I
N
G
(Q
-
L
e
a
nin
g
)
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2
502
-
47
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
,
V
o
l
.
17
,
N
o
.
1
,
J
a
n
u
a
r
y
20
20
:
52
4
-
53
2
526
of
a
c
l
a
s
s
i
f
i
e
r
[9]
.
R
a
j
e
e
b
de
v
e
t
.
a
l
.
(20
08)
i
n
t
h
e
i
rr
e
s
e
a
r
c
h
pr
o
po
s
e
d
a
b
i
n
a
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
p
r
o
b
l
e
m
fo
r
t
h
e
di
a
g
n
o
s
i
s
of
=
di
a
b
e
t
e
s
.
A
pe
r
s
o
n
s
uffe
r
i
n
g
f
r
o
m
di
a
b
e
t
e
s
f
a
l
l
i
n
c
l
a
s
s
1
a
n
d
n
o
n
di
a
b
e
t
i
c
f
a
l
l
i
n
c
l
a
s
s
2.
T
h
e
y
us
e
d
b
a
c
kpr
o
po
ga
t
i
o
n
a
l
go
ri
t
hm
i
n
M
ul
t
i
l
a
y
e
r
f
e
e
d
fo
r
w
a
r
d.
In
t
hi
s
,
t
h
e
a
ut
h
o
r
s
us
e
d
s
i
n
gl
e
a
s
w
e
l
l
a
s
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
r
o
n.
B
o
t
h
t
h
e
n
e
ura
l
n
e
t
w
o
r
ks
ha
v
e
s
i
x
i
n
p
ut
n
o
de
s
a
n
d
o
n
e
o
ut
pu
t
n
o
de
.
T
h
e
n
e
t
w
o
r
k
s
uc
c
e
s
s
f
ul
l
y
c
l
a
s
s
i
f
i
e
d
pa
t
i
e
nt
s
i
n
t
o
di
a
b
e
t
i
c
a
nd
n
o
n
di
a
b
e
t
i
c
w
i
t
h
pe
r
f
o
r
m
a
n
c
e
of
92.
50%
[10]
.
Ca
na
n
e
t
.
a
l
.
(2009)
p
r
o
po
s
e
d
a
h
y
b
r
i
d
s
t
r
uc
t
u
r
e
o
f
n
e
ur
a
l
n
e
t
w
o
r
k
a
n
d
f
uz
z
y
l
o
gi
c
.
T
h
e
e
xpe
r
i
m
e
n
t
s
h
o
w
s
t
h
a
t
t
h
e
h
y
b
r
i
d
s
c
h
e
m
e
s
h
a
v
e
b
e
t
t
e
r
r
e
s
ul
t
s
o
v
e
r
t
h
e
n
o
n
h
y
b
r
i
d
s
t
r
uc
t
u
r
e
s
[11]
.
S
hra
d
h
a
D
e
s
h
m
uk
h
e
t
.
a
l
.
(2017
)
=
p
r
o
po
s
e
d
t
w
o
i
m
po
r
t
a
nt
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
l
go
ri
t
hm
s
na
m
e
l
y
f
uz
z
y
m
i
n
-
m
a
x
a
n
d
p
r
u
ni
n
g
f
uz
z
y
m
i
n
-
m
a
x
a
l
go
r
i
t
h
m
s
[12]
.
K
V
i
s
h
w
a
n
a
nt
e
t
.
a
l
.
(2014)
p
r
o
po
s
e
d
M
ul
t
i
l
a
y
e
r
P
e
r
c
e
pt
r
o
n
a
n
d
B
a
c
k
P
r
o
pa
ga
t
i
o
n
A
N
N
t
o
di
s
t
i
n
gu
i
s
h
t
h
e
t
y
p
e
of
t
h
e
s
t
o
n
e
.
T
h
e
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
r
o
n
w
i
t
h
b
a
c
kp
r
o
po
ga
t
i
o
n
gi
v
e
s
h
i
g
h
a
c
c
ura
c
y
of
98%
w
h
e
n
c
o
n
t
ra
s
t
e
d
w
i
t
h
N
a
i
v
e
B
a
y
e
s
[13]
.
M
ut
hus
e
l
v
a
n
e
t
.
a
l
(2016)
f
oc
us
e
s
o
n
i
m
pl
e
m
e
n
t
i
n
g
f
i
v
e
di
ff
e
r
e
n
t
t
y
pe
s
of
da
t
a
m
i
ni
n
g
t
e
c
hni
que
s
us
i
n
g
a
d
a
t
a
m
i
ni
n
g
t
o
o
l
c
a
l
l
e
d
W
E
K
A
i
n
o
r
de
r
t
o
pr
e
di
c
t
b
r
e
a
s
t
c
a
n
c
e
r
f
r
o
m
b
l
oo
d
da
t
a
s
e
t
s
.
T
h
e
f
i
v
e
a
l
go
r
i
t
hm
s
i
n
c
l
ude
N
a
i
v
e
B
a
y
e
s
,
o
n
e
R
,
Z
e
r
o
R
,
R
a
n
do
m
t
r
e
e
a
l
go
ri
t
hm
a
nd
j
48.
O
n
c
o
m
pa
ri
n
g
t
h
e
pe
r
f
o
r
m
a
n
c
e
of
t
h
e
v
a
r
i
o
us
a
l
go
r
i
t
h
m
s
,
i
t
s
how
s
t
h
a
t
J
48
a
l
go
ri
t
hm
pe
r
f
o
r
m
a
n
c
e
w
a
s
h
i
g
h
e
s
t
i
.
e
.
8
6.
3
6%
w
hi
l
e
a
s
m
i
ni
m
u
m
(Z
e
r
o
R
)
i
s
56.
81%
[14]
.
M
a
d
h
u
ri
e
t
.
a
l
.
(20
13)
p
r
o
po
s
e
d
a
c
o
m
put
e
r
a
i
de
d
a
r
t
i
f
i
c
i
a
l
i
nt
e
l
l
i
ge
n
c
e
s
y
s
t
e
m
us
e
d
f
o
r
di
a
g
n
o
s
i
s
o
f
s
t
r
e
s
s
[15
-
25]
.
N
G
a
n
e
s
a
n
e
t
.
a
l
.
(20
10)
us
e
d
n
e
u
ra
l
n
e
t
w
o
r
ks
i
n
t
h
e
m
e
di
c
a
l
f
i
e
l
d
f
o
r
p
r
e
c
l
i
n
i
c
a
l
s
t
u
dy
.
In
t
hi
s
w
o
r
k
t
h
e
a
ut
h
o
r
ha
v
e
s
h
ow
n
t
h
e
v
a
ri
o
us
w
a
y
s
by
w
h
i
c
h
ne
u
r
a
l
n
e
t
w
o
r
ks
c
a
n
b
e
a
ppl
i
e
d
o
n
c
l
i
ni
c
a
l
d
a
t
a
f
o
r
t
h
e
di
a
g
n
o
s
i
s
o
f
l
un
g
c
a
n
c
e
r
[1
6]
-
[23]
.
S
a
p
na
(2016
)
ha
s
p
r
o
po
s
e
d
f
us
i
o
n
of
b
i
g
da
t
a
a
nd
n
e
ura
l
n
e
t
w
o
r
ks
fo
r
pr
e
di
c
t
i
n
g
t
h
y
r
o
i
d.
Cl
i
ni
c
a
l
i
n
f
o
r
m
a
t
i
o
n
i
s
h
uge
i
n
v
o
l
um
e
,
t
h
us
c
o
n
v
e
n
t
i
o
na
l
d
a
t
a
p
r
o
c
e
s
s
i
n
g
a
p
pl
i
c
a
t
i
o
n
s
w
o
n
'
t
b
e
s
uff
i
c
i
e
n
t
t
o
i
nt
e
r
p
r
e
t
b
i
g
d
a
t
a
,
h
e
n
c
e
i
t
n
e
e
ds
i
nn
o
v
a
t
i
o
n
s
t
e
c
hni
que
s
t
o
ha
n
d
l
e
a
n
d
e
xt
r
a
c
t
i
m
po
rt
a
nt
i
n
f
o
r
m
a
t
i
o
n
f
r
o
m
i
t
[17]
.
F
e
n
gy
i
n
gX
i
e
e
t
.
a
l
.
(2017)
b
ui
l
d
a
nov
e
l
t
e
c
hn
i
q
ue
fo
r
de
t
e
c
t
i
n
g
t
um
o
r
a
s
a
m
i
a
b
l
e
o
r
t
hr
e
a
t
e
n
i
ng
by
a
na
l
y
z
i
ng
i
m
a
ge
s
.
I
n
t
hi
s
r
e
s
e
a
r
c
h,
t
h
e
y
d
e
s
i
gn
e
d
a
n
e
n
s
e
m
b
l
e
c
l
a
s
s
i
f
i
e
r
t
h
a
t
c
o
m
b
i
n
e
s
b
a
c
k
pr
o
pa
g
a
t
i
o
n
n
e
u
ra
l
n
e
t
w
o
r
k
w
i
t
h
f
uz
z
y
n
e
ura
l
n
e
t
w
o
r
k
[18]
.
D
e
A
r
a
uj
o
e
t
.
a
l
.
(2
017)
p
r
o
po
s
e
d
a
c
l
a
s
s
i
c
a
l
m
e
t
h
o
d
fo
r
i
nduc
t
i
o
n
m
o
t
o
r
s
f
a
ul
t
di
a
g
n
o
s
i
s
do
n
ot
a
l
w
a
y
s
pr
ov
i
de
s
a
t
i
s
f
a
c
t
o
r
y
r
e
s
ul
t
s
.
T
h
e
a
ut
h
o
r
pr
o
po
s
e
s
a
h
y
b
r
i
d
s
y
s
t
e
m
t
h
a
t
us
e
s
da
t
a
o
b
t
a
i
n
e
d
f
r
o
m
v
i
b
r
a
t
i
o
n,
a
n
d
c
u
rr
e
n
t
s
e
n
s
o
r
s
t
o
pr
e
di
c
t
f
a
i
l
u
r
e
s
a
t
a
n
e
a
rl
y
s
t
a
ge
[20
].
T
h
e
i
n
put
t
o
t
h
e
s
y
s
t
e
m
i
s
b
a
s
e
d
o
n
f
uz
z
y
l
o
gi
c
i
s
gi
v
e
n
by
pr
o
c
e
s
s
i
n
g
t
h
e
s
i
g
na
l
s
i
n
t
h
e
f
r
e
que
n
c
y
a
n
d
t
i
m
e
do
m
a
i
n
t
hr
o
ug
h
s
h
o
rt
t
i
m
e
F
o
ur
i
e
r
t
r
a
n
s
fo
r
m
a
nd
m
u
l
t
i
r
e
s
o
l
ut
i
o
n
a
na
l
y
s
i
s
[21
-
22]
.
T
h
e
t
e
c
hn
i
q
ue
a
l
l
o
w
s
a
n
i
n
c
r
e
a
s
e
i
n
r
e
l
i
a
b
i
l
i
t
y
i
n
t
h
e
de
t
e
c
t
i
o
n
a
n
d
d
i
a
g
n
o
s
i
s
i
n
t
h
e
l
e
v
e
l
of
s
e
ve
r
i
t
y
a
s
c
o
m
pa
r
e
d
t
o
e
xi
s
t
i
n
g
t
e
c
hni
que
s
[
19
-
24]
.
3.
TH
Y
R
O
I
D
P
R
ED
I
C
TI
O
N
S
Y
S
TE
M
U
S
I
N
G
M
A
C
H
I
N
E
LEA
R
N
I
N
G
In
o
rde
r
t
o
a
dd
r
e
s
s
t
h
e
m
a
j
o
r
r
e
s
e
a
r
c
h
g
a
ps
,
t
h
e
n
e
e
d
i
s
t
o
de
s
i
gn
a
n
i
m
p
r
o
v
e
d
t
h
y
r
o
i
d
di
s
e
a
s
e
pa
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
s
y
s
t
e
m
by
i
n
c
l
udi
ng
a
ddi
t
i
o
na
l
f
e
a
t
ur
e
s
l
i
k
e
a
ge
g
r
o
up,
h
e
r
e
di
t
y
,
a
nt
i
b
o
di
e
s
.
T
h
e
b
l
o
o
d
t
e
s
t
i
s
t
h
e
po
o
r
e
s
t
a
n
d
c
r
ude
s
t
m
e
t
h
o
d
of
de
t
e
r
m
i
n
i
ng
w
h
e
t
h
e
r
a
pe
r
s
o
n
i
s
s
uf
fe
r
i
n
g
f
r
o
m
t
h
y
r
o
i
d
o
r
n
o
t
,
s
o
t
h
e
b
e
t
t
e
r
s
o
l
ut
i
o
n
t
o
s
o
l
ve
t
hi
s
p
r
o
b
l
e
m
i
s
t
o
t
a
ke
i
nt
o
c
o
n
s
i
de
r
a
t
i
o
n
m
o
r
e
pa
ra
m
e
t
e
r
s
.
M
o
r
e
o
ve
r
,
t
h
e
s
y
s
t
e
m
m
a
y
ut
i
l
i
z
e
b
e
t
t
e
r
c
l
a
s
s
i
f
i
e
r
s
i
n
o
r
de
r
t
o
i
m
p
r
o
v
e
t
h
e
o
v
e
r
a
l
l
a
c
c
ur
a
c
y
o
f
t
h
e
di
a
g
n
o
s
t
i
c
s
y
s
t
e
m
.
T
h
e
i
m
p
r
o
v
e
d
t
h
y
r
o
i
d
s
y
s
t
e
m
m
us
t
us
i
n
g
l
a
t
e
s
t
m
a
c
h
i
n
e
l
e
a
rn
i
ng
t
e
c
hni
q
ue
t
o
t
ra
i
n
a
n
d
t
h
e
n
t
e
s
t
t
h
e
m
a
c
h
i
n
e
l
e
a
rni
n
g
m
o
de
l
.
I
n
t
hi
s
s
e
c
t
i
o
n
t
h
e
de
t
a
i
l
e
d
f
r
a
m
e
w
o
r
k
a
n
d
a
l
go
r
i
t
hm
s
a
r
e
p
r
e
s
e
n
t
e
d.
3
.1
.
P
r
o
p
o
s
e
d
F
r
am
e
w
o
r
k
T
h
e
t
ra
i
ni
n
g
a
nd
t
e
s
t
i
n
g
p
h
a
s
e
s
of
t
h
e
t
h
y
r
o
i
d
di
s
e
a
s
e
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
i
s
c
l
e
a
r
l
y
s
h
o
w
n
i
n
t
h
e
F
i
gu
r
e
3.
A
s
s
h
o
w
n
i
n
t
h
e
F
i
gu
r
e
3,
t
h
e
f
i
r
s
t
s
t
e
p
i
s
t
o
i
de
n
t
i
fy
t
h
e
t
y
pi
c
a
l
pa
ra
m
e
t
e
r
s
/
ri
s
k
f
a
c
t
o
r
s
w
h
i
c
h
a
r
e
r
e
s
po
n
s
i
b
l
e
fo
r
t
h
e
t
h
y
r
o
i
d
di
s
e
a
s
e
i
n
h
u
m
a
n
b
e
i
ngs
.
I
n
t
h
e
n
e
xt
s
t
e
p
,
m
i
s
c
e
l
l
a
n
e
o
us
da
t
a
s
e
t
o
f
v
a
ri
o
us
pa
t
i
e
nt
s
o
f
di
ffe
r
e
n
t
c
a
t
e
go
r
i
e
s
i
s
c
o
l
l
e
c
t
e
d.
I
n
t
h
e
c
o
n
v
e
n
t
i
o
n
a
l
m
e
t
h
o
ds
o
f
t
h
y
r
o
i
d
di
a
g
n
o
s
i
s
s
y
s
t
e
m
,
m
a
j
o
r
i
t
y
of
a
ut
h
o
r
s
ha
v
e
us
e
d
o
n
l
y
t
h
r
e
e
f
a
c
t
o
r
s
na
m
e
l
y
T
3,
T
4
a
nd
T
S
H
.
In
t
h
e
p
r
o
po
s
e
d
di
a
g
n
o
s
t
i
c
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
,
m
o
r
e
n
u
m
b
e
r
o
f
ri
s
k
f
a
c
t
o
r
s
c
a
n
b
e
i
n
c
l
u
d
e
d.
In
o
r
de
r
t
o
c
l
a
s
s
i
f
y
a
pa
r
t
i
c
ul
a
r
pa
t
i
e
n
t
i
n
t
o
a
n
y
o
f
t
h
e
t
h
r
e
e
c
l
a
s
s
e
s
a
da
t
a
s
e
t
o
f
120
s
a
m
pl
e
s
h
a
s
b
e
e
n
o
b
t
a
i
n
e
d
a
n
d
pr
e
pr
o
c
e
s
s
e
d.
I
n
o
r
de
r
t
o
r
e
m
o
v
e
a
n
o
m
a
l
i
e
s
,
n
o
i
s
e
a
n
d
t
o
qua
n
t
i
f
y
B
o
o
l
e
a
n
v
a
l
ue
s
t
h
e
da
t
a
s
e
t
i
s
m
a
n
ua
l
l
y
e
n
r
i
c
h
e
d.
O
n
c
e
t
h
e
da
t
a
s
e
t
i
s
pr
e
pa
r
e
d,
a
m
ul
t
i
l
a
y
e
r
pa
t
t
e
r
n
c
l
a
s
s
i
f
i
e
r
m
o
de
l
i
s
c
r
e
a
t
e
d
a
n
d
t
r
a
i
n
e
d
w
i
t
h
t
h
e
da
t
a
s
e
t
.
T
h
e
M
L
P
pa
t
t
e
r
n
c
l
a
s
s
i
f
i
e
r
m
o
de
l
i
s
s
t
o
r
e
d
f
o
r
t
h
e
t
e
s
t
i
n
g
ph
a
s
e
.
In
o
r
de
r
t
o
c
h
e
c
k
t
h
e
a
c
c
ur
a
c
y
o
f
t
h
y
r
o
i
d
pr
e
di
c
t
i
o
n
s
a
s
a
m
pl
e
o
f
r
a
n
do
m
l
y
c
h
o
s
e
n
pa
t
i
e
n
t
s
i
s
a
ppl
i
e
d
o
n
t
h
e
s
t
o
r
e
d
M
L
P
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
.
Evaluation Warning : The document was created with Spire.PDF for Python.
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
A
m
u
l
t
i
l
a
y
e
r
-
p
e
r
c
e
pt
r
on
bas
e
d
i
nt
e
l
l
i
g
e
nt
t
h
y
r
oi
d
d
i
s
e
as
e
pr
e
di
c
t
i
on
s
y
s
t
e
m
(
A
r
v
i
ndS
e
l
w
al
)
527
F
i
gu
r
e
3
.
F
ra
m
e
w
o
r
k
f
o
r
t
h
e
p
r
o
po
s
e
d
s
y
s
t
e
m
3.
2
.
P
r
o
p
o
s
e
d
A
l
go
r
i
th
m
M
L
P
i
s
o
n
e
o
f
t
h
e
m
o
s
t
c
o
m
m
o
n
A
N
N
w
h
i
c
h
i
s
w
i
de
l
y
us
e
d
f
o
r
di
f
f
e
r
e
n
t
t
a
s
ks
l
i
ke
pa
t
t
e
r
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
,
pa
t
t
e
r
n
r
e
c
o
gn
i
t
i
o
n
e
t
c
.
O
n
e
o
f
t
h
e
m
o
s
t
i
m
po
r
t
a
n
t
f
e
a
t
ur
e
s
o
f
M
L
P
i
s
t
h
a
t
w
e
c
a
n
s
pe
c
i
f
y
a
n
y
n
um
b
e
r
o
f
o
ut
put
c
l
a
s
s
e
s
.
T
h
e
n
e
t
w
o
r
k
a
r
c
h
i
t
e
c
t
ur
e
c
h
o
s
e
n
f
o
r
t
h
i
s
pr
o
b
l
e
m
i
s
M
L
P
h
a
v
i
n
g
e
l
e
v
e
n
i
n
put
n
o
de
s
a
n
d
t
h
r
e
e
o
ut
put
n
o
de
s
.
E
a
c
h
n
o
de
pr
e
s
e
n
t
i
n
t
h
e
i
n
put
l
a
y
e
r
i
s
c
o
n
n
e
c
t
e
d
t
o
e
v
e
r
y
o
t
h
e
r
n
o
de
i
n
t
h
e
h
i
dde
n
l
a
y
e
r
t
h
r
o
ugh
s
o
m
e
w
e
i
gh
t
s
.
T
h
e
v
a
l
ue
o
f
t
h
e
w
e
i
gh
t
e
d
i
n
put
s
um
t
o
a
pa
r
t
i
c
ul
a
r
n
o
de
m
a
y
b
e
l
a
r
ge
,
t
h
e
r
e
f
o
r
e
i
t
i
s
i
m
po
r
t
a
n
t
t
o
s
c
a
l
e
do
w
n
t
h
e
w
e
i
gh
t
e
d
s
um
b
y
r
e
duc
i
n
g
i
t
b
e
f
o
r
e
pr
o
duc
i
n
g
t
h
e
r
e
s
ul
t
e
d
o
ut
put
o
f
t
h
a
t
pa
r
t
i
c
ul
a
r
n
o
de
.
F
o
r
t
h
i
s
pur
po
s
e
a
f
un
c
t
i
o
n
i
s
a
ppl
i
e
d
o
n
t
h
e
w
e
i
gh
t
e
d
i
n
put
.
O
n
e
o
f
t
h
e
b
e
s
t
m
e
t
h
od
s
i
s
b
a
c
kpr
o
po
ga
t
i
o
n
l
e
a
r
n
i
n
g
w
h
i
c
h
w
o
r
ks
o
n
t
h
e
pr
i
n
c
i
pl
e
o
f
gr
a
di
e
n
t
de
s
c
e
n
t
r
ul
e
.
T
h
e
s
t
e
ps
o
f
t
h
e
t
r
a
i
n
i
n
g
a
n
d
m
a
c
h
i
ne
l
e
a
r
n
i
ng
b
ui
l
di
n
g
a
l
go
r
i
t
h
m
a
r
e
e
xpl
a
i
n
e
d
i
n
t
h
e
f
o
l
l
o
w
i
n
g
s
e
c
t
i
o
n
.
T
h
e
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
r
o
n
i
s
t
r
a
i
n
e
d
w
i
t
h
11
n
o
de
s
i
n
t
h
e
i
n
put
l
a
y
e
r
o
f
t
h
e
n
e
t
w
o
r
k.
3.
2.
1
Th
e
P
s
e
u
d
o
C
o
d
e
fo
r
Tr
ai
n
i
n
g
th
e
Th
yr
o
i
d
P
r
e
d
i
c
ti
o
n
S
ys
te
m
U
s
i
n
g
M
LP
1
.
I
ni
t
i
al
i
z
e
w
e
i
ght
s
and
l
e
ar
ni
ng
r
at
e
.
2.
P
e
r
f
or
m
s
t
e
ps
3
t
o
10
t
i
l
l
c
ondi
t
i
on
i
s
f
al
s
e
.
3.
R
e
pe
at
s
t
e
ps
4
t
o
9
f
or
e
ac
h
pai
r
t
o
be
t
r
ai
ne
d.
4.
E
ac
h
i
nput
node
s
ay
X
i
r
e
c
e
i
v
e
s
an
i
nput
s
i
gnal
an
d
pas
s
i
t
t
o
t
he
ne
x
t
node
pr
e
s
e
nt
i
n
hi
dde
n
l
ay
e
r
.
5.
E
ac
h
node
i
n
t
he
hi
dde
n
l
ay
e
r
s
ay
h
j
s
um
s
i
t
s
w
e
i
ght
e
d
i
nput
t
o
c
al
c
ul
at
e
ne
t
i
nput
as
(
f
e
e
d
f
or
w
ar
d
phas
e
I
)
as
s
how
n
i
n
e
q.
1.
=
+
∑
=
1
(
1)
Ac
t
i
v
a
t
i
on
f
u
nc
t
i
o
n
i
s
t
he
n
ap
pl
i
e
d
o
n
t
he
t
o
c
al
c
u
l
at
e
t
he
o
ut
put
o
f
t
he
h
i
dde
n
node
:
=
ƒ
(
)
(
2)
t
hi
s
ou
t
pu
t
s
i
gna
l
i
s
t
he
n
s
e
nd
as
i
npu
t
t
o
t
he
ou
t
p
ut
l
ay
e
r
node
f
r
o
m
hi
dde
n
n
ode
6.
F
or
e
ac
h
ou
t
pu
t
node
O
k
,
c
a
l
c
u
l
a
t
e
t
he
t
o
t
a
l
i
n
put
a
s
s
how
n
i
n
e
q.
3.
=
0
+
∑
=
1
(
3)
N
ow
,
app
l
y
t
he
ac
t
i
v
a
t
i
o
n
f
un
c
t
i
on
o
n
t
o
c
om
pu
t
e
t
he
ou
t
pu
t
s
i
gna
l
as
i
n
e
q.
4:
=
ƒ
(
)
(
4)
B
ac
k
-
pr
o
pag
at
i
on
l
e
ar
ni
n
g
r
u
l
e
(
P
has
e
I
I
)
:
7.
E
ac
h
ou
t
pu
t
node
r
e
c
e
i
v
e
s
t
he
i
np
ut
t
r
ai
ni
ng
v
e
c
t
o
r
a
s
s
o
c
i
at
e
d
w
i
t
h
t
he
t
a
r
ge
t
pat
t
e
r
n
and
c
om
put
e
s
t
he
e
r
r
or
us
i
ng
e
q.
5
∆
=
(
−
)
′
(
)
(
5)
O
n
t
he
ba
s
i
s
of
e
r
r
o
r
c
al
c
u
l
at
e
d
,
adj
us
t
t
he
w
e
i
ght
s
a
s
g
i
v
e
n
i
n
e
q.
6
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2
502
-
47
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
,
V
o
l
.
17
,
N
o
.
1
,
J
a
n
u
a
r
y
20
20
:
52
4
-
53
2
528
∆
=
∆
(
6)
Se
nd
∆
bac
k
t
o
t
he
hi
dde
n
l
ay
e
r
8.
E
ac
h
h
i
dde
n
node
c
a
l
c
u
l
a
t
e
t
he
s
um
of
t
h
i
s
de
l
t
a
f
r
om
t
he
ou
t
pu
t
node
us
i
ng
e
q.
7
∆
=
∑
∆
=
1
(
7)
E
r
r
o
r
i
s
c
a
l
c
ul
a
t
e
d
as
pe
r
e
q.
8
∆
=
∆
′
(
)
(
8)
A
dj
us
t
w
e
i
ght
an
d
b
i
a
s
as
(
P
has
e
I
I
I
)
:
9.
E
ac
h
o
ut
p
ut
an
d
hi
d
de
n
no
de
s
u
pda
t
e
bi
as
and
w
e
i
ght
s
a
s
:
(
)
=
(
)
+
∆
(
9)
0
(
)
=
0
(
)
+
∆
0
(
10)
10.
C
he
c
k
w
he
t
he
r
t
he
ac
t
ua
l
out
put
e
qua
l
s
t
he
t
a
r
ge
t
ou
t
pu
t
(
s
t
o
pp
i
ng
c
o
ndi
t
i
on)
3.
2
.
2
T
e
s
ti
n
g
A
l
go
r
i
th
m
fo
r
th
e
P
att
e
r
n
C
l
as
s
i
f
i
c
a
ti
o
n
1.
R
e
pe
at
s
t
e
ps
2
t
o
4
f
or
e
ac
h
i
n
pu
t
2.
Se
t
t
he
a
c
t
i
v
at
i
on
o
f
i
np
ut
un
i
t
f
or
X
i.
3.
A
t
h
i
dde
n
node
s
ay
X
,
c
al
c
u
l
at
e
t
he
ne
t
i
npu
t
and
ou
t
p
ut
as
s
how
n
i
n
e
q
.
1
1
and
e
q.
12
r
e
s
pe
c
t
i
v
e
l
y
:
=
+
∑
=
1
(
11)
=
ƒ
(
)
(
12)
4.
A
t
ou
t
pu
t
node
,
c
om
pu
t
e
t
he
ou
t
pu
t
a
s
gi
v
e
n
i
n
e
q
.
13
and
e
q.
1
4
=
0
+
∑
=
1
(
13)
=
ƒ
(
)
4.
R
ES
U
LTS
A
N
D
A
N
A
L
Y
S
I
S
T
h
e
e
xpe
r
i
m
e
n
t
s
w
e
r
e
c
o
n
duc
t
e
d
o
n
t
h
e
r
e
a
l
d
a
t
a
s
e
t
o
f
120
i
n
s
t
a
n
c
e
s
c
o
l
l
e
c
t
e
d
f
r
o
m
S
K
IM
S
S
o
ur
a
,
S
r
i
na
g
a
r
,
I
n
d
i
a
.
T
h
e
s
ub
j
e
c
t
s
w
e
r
e
c
h
o
s
e
n
c
a
r
e
f
ul
l
y
c
o
ve
ri
n
g
w
i
de
r
a
nge
o
f
po
pul
a
t
i
o
n
i
n
c
l
ud
i
n
g
m
e
n
,
w
o
m
e
n
,
o
l
d
a
n
d
y
o
un
gs
t
e
r
s
.
T
h
e
v
a
l
ue
s
f
o
r
e
l
e
ve
n
a
t
t
r
i
b
ut
e
s
w
e
r
e
c
o
l
l
e
c
t
e
d
fo
r
a
l
l
t
h
e
120
i
n
s
t
a
n
c
e
s
a
nd
s
o
m
e
a
t
t
r
i
b
ut
e
s
ha
v
e
be
e
n
qua
n
t
i
f
i
e
d
a
n
d
f
a
c
t
o
r
i
z
e
d.
T
h
e
p
r
e
pr
o
c
e
s
s
i
n
g
o
f
t
h
e
da
t
a
s
e
t
h
a
s
b
e
e
n
do
n
e
i
n
o
r
de
r
t
o
r
e
m
o
v
e
a
m
b
i
gui
t
i
e
s
,
a
n
o
m
a
l
i
e
s
a
n
d
e
rr
o
r
s
.
T
h
e
p
r
e
-
p
r
o
c
e
s
s
e
d
da
t
a
s
e
t
i
s
us
e
d
t
o
t
ra
i
n
t
h
e
p
a
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
m
o
de
l
us
i
n
g
t
h
e
b
a
c
k
e
rr
o
r
p
r
o
pa
g
a
t
i
o
n
a
l
go
r
i
t
hm
f
o
r
t
h
e
m
ul
t
i
-
l
a
y
e
r
pe
r
c
e
pt
r
o
n.
T
h
e
da
t
a
s
e
t
ha
s
b
e
e
n
s
pl
i
t
i
n
t
o
t
r
a
i
n
a
n
d
t
e
s
t
da
t
a
i
n
s
t
a
n
c
e
s
.
T
h
e
m
a
c
h
i
n
e
l
e
a
rni
n
g
m
o
de
l
h
a
s
b
e
e
n
t
ra
i
n
e
d
by
v
a
r
y
i
n
g
t
h
e
s
i
z
e
o
f
t
ra
i
ni
n
g
da
t
a
s
e
t
a
nd
t
h
e
n
t
e
s
t
e
d
o
n
t
e
s
t
d
a
t
a
s
e
t
t
o
a
c
hi
e
v
e
t
h
e
c
r
o
s
s
v
a
l
i
d
a
t
i
o
n
.
T
h
e
F
i
gu
r
e
4
s
h
o
w
s
t
h
e
b
e
s
t
pe
r
fo
r
m
a
n
c
e
of
M
L
P
a
t
e
po
c
h
s
9
o
n
30
i
n
s
t
a
n
c
e
s
w
i
t
h
7
a
t
t
ri
b
ut
e
s
.
In
t
h
e
F
i
gu
r
e
5,
t
h
e
g
r
a
d
i
e
nt
e
rr
o
r
g
r
a
p
h
h
a
s
b
e
e
n
s
h
o
w
n
o
n
30
i
n
s
t
a
n
c
e
s
a
n
d
7
a
t
t
r
i
b
ut
e
s
.
I
n
t
h
e
F
i
gu
r
e
6
s
h
o
w
s
t
h
e
c
o
n
f
us
i
o
n
m
a
t
r
i
x
c
l
e
a
r
l
y
r
e
v
e
a
l
s
t
h
e
pe
r
f
o
r
m
a
n
c
e
of
t
h
e
pa
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
(M
L
P
).
T
h
e
g
r
e
e
n
c
e
l
l
s
i
n
t
h
e
c
o
n
f
us
i
o
n
m
a
t
ri
x
r
e
p
r
e
s
e
n
t
c
o
rr
e
c
t
l
y
c
l
a
s
s
i
f
i
e
d
i
n
s
t
a
nc
e
s
w
h
i
l
e
a
s
t
h
e
r
e
d
c
e
l
l
s
r
e
pr
e
s
e
nt
i
n
c
o
rr
e
c
t
c
l
a
s
s
i
f
i
c
a
t
i
o
n.
T
h
e
b
l
ue
bo
x
r
e
p
r
e
s
e
n
t
s
pe
r
c
e
nt
a
ge
o
f
bo
t
h
c
o
r
r
e
c
t
a
s
w
e
l
l
a
s
i
n
c
o
rr
e
c
t
c
l
a
s
s
i
f
i
c
a
t
i
o
n
c
l
a
s
s
e
s
.
R
O
C
w
i
t
h
30
i
n
s
t
a
n
c
e
s
a
n
d
7
a
t
t
r
i
b
ut
e
s
,
pe
r
f
o
r
m
a
n
c
e
w
i
t
h
1
20
i
n
s
t
a
n
c
e
s
a
n
d
7
a
t
t
r
i
b
ut
e
s
a
s
s
h
o
w
n
i
n
F
i
gu
r
e
7
a
n
d
8
.
T
h
e
p
r
o
po
s
e
d
m
o
d
e
l
of
t
h
e
d
i
a
g
n
o
s
t
i
c
s
y
s
t
e
m
h
a
s
b
e
e
n
e
v
a
l
u
a
t
e
d
a
t
v
a
r
i
o
us
n
u
m
b
e
r
s
o
f
t
r
a
i
n
i
ng
i
n
s
t
a
n
c
e
s
a
n
d
f
e
a
t
ur
e
s
a
s
s
h
o
w
n
i
n
t
h
e
T
a
b
l
e
1.
I
n
t
h
e
i
n
i
t
i
a
l
s
t
e
p
t
h
e
t
ra
i
ni
n
g
o
f
t
h
e
s
y
s
t
e
m
h
a
s
b
e
e
n
c
a
rri
e
d
o
ut
w
i
t
h
30
i
n
s
t
a
n
c
e
s
w
h
i
c
h
us
e
d
o
n
l
y
9
i
t
e
r
a
t
i
o
n
s
w
i
t
h
g
ra
di
e
nt
e
rr
o
r
o
f
0.
031
4.
T
h
e
T
a
b
l
e
2
c
l
e
a
rl
y
r
e
v
e
a
l
s
t
h
a
t
t
h
e
t
ra
i
ni
n
g
o
f
t
h
e
s
y
s
t
e
m
w
i
t
h
30
s
a
m
pl
e
s
r
e
s
ul
t
s
i
n
a
n
a
c
c
ura
c
y
of
85%
w
i
t
h
t
e
s
t
i
ng
a
c
c
ura
c
y
of
40%
a
n
d
ov
e
r
a
l
l
po
o
r
a
c
c
ur
a
c
y
of
66.
7%.
T
h
e
t
ra
i
ni
n
g
o
f
t
h
e
p
r
o
po
s
e
d
s
y
s
t
e
m
w
i
t
h
7
a
t
t
r
i
b
ut
e
s
a
n
d
30
s
a
m
p
l
e
s
e
xh
i
b
i
t
s
14
i
t
e
r
a
t
i
o
n
s
w
i
t
h
g
r
a
di
e
n
t
e
rr
o
r
o
f
9.
95e
-
07.
F
u
rt
h
e
rm
o
r
e
,
t
h
e
n
u
m
b
e
r
o
f
i
n
s
t
a
n
c
e
s
w
e
r
e
s
uc
c
e
s
s
f
ul
l
y
i
n
c
r
e
a
s
e
d
f
o
r
t
h
e
t
ra
i
ni
n
g
o
f
t
h
e
p
r
o
po
s
e
d
s
y
s
t
e
m
a
n
d
pe
r
f
o
rm
a
n
c
e
i
s
e
v
a
l
ua
t
e
d
a
t
60
,
90
a
n
d
120
i
n
s
t
a
n
c
e
s
w
h
i
c
h
i
s
s
h
o
w
n
i
n
t
h
e
T
a
b
l
e
1
a
nd
T
a
b
l
e
3
.
T
a
b
l
e
1.
T
ra
i
ni
n
g
P
e
r
f
o
r
m
a
n
c
e
o
f
t
h
e
T
h
y
r
o
i
d
S
y
s
t
e
m
w
i
t
h
1
1
a
nd
7
F
a
t
u
r
e
s
(e
po
c
h
s
,
g
r
a
d
i
e
n
t
e
rr
o
r
s
)
It
e
ra
t
i
o
n
s
S
a
m
p
l
e
S
i
z
e
F
e
a
t
u
r
e
s
=
1
1
F
e
a
t
u
r
e
s
=
7
A
t
t
e
m
p
t
In
t
a
n
c
e
s
E
p
o
c
h
s
N
e
t
w
o
rk
T
ra
i
n
e
d
G
ra
d
i
e
n
t
E
rr
o
r
E
p
o
c
h
s
N
e
t
w
o
rk
T
ra
i
n
e
d
G
ra
d
i
e
n
t
E
rr
o
r
1
30
9
Y
E
S
0
.
0
3
1
4
14
y
e
s
9
.
9
5
e
-
07
2
60
25
Y
E
S
0
.
0
0
0
2
9
13
y
e
s
0
.
0
1
1
8
3
90
34
Y
E
S
0
.
0
0
0
5
9
1
21
y
e
s
0
.
0
0
1
6
1
4
120
56
Y
E
S
9
.
2
3
e
-
07
21
y
e
s
0
.
0
1
0
3
Evaluation Warning : The document was created with Spire.PDF for Python.
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
A
m
u
l
t
i
l
a
y
e
r
-
p
e
r
c
e
pt
r
on
bas
e
d
i
nt
e
l
l
i
g
e
nt
t
h
y
r
oi
d
d
i
s
e
as
e
pr
e
di
c
t
i
on
s
y
s
t
e
m
(
A
r
v
i
ndS
e
l
w
al
)
529
F
i
g
ur
e
4
.
P
e
r
f
o
r
m
a
nc
e
w
i
t
h
30
i
n
s
t
a
nc
e
s
a
nd
7
a
t
t
r
i
bu
t
e
s
F
i
g
ur
e
5
.
G
r
a
d
i
e
n
t
e
r
r
o
r
w
i
t
h
30
i
n
s
t
a
nc
e
s
a
n
d
7
a
t
t
r
i
bu
t
e
s
F
i
g
ur
e
6
.
C
o
nf
us
i
o
n
m
a
t
r
i
x
w
i
t
h
30
i
n
s
t
a
nc
e
s
a
n
d
7
a
t
t
r
i
bu
t
e
s
T
h
e
T
a
b
l
e
3
s
h
o
w
s
t
h
e
t
ra
i
ni
n
g
pe
r
f
o
r
m
a
n
c
e
of
t
h
e
pr
o
po
s
e
d
s
y
s
t
e
m
w
i
t
h
7
a
t
t
ri
b
ut
e
s
a
t
di
f
fe
r
e
nt
n
u
m
b
e
r
o
f
i
n
s
t
a
n
c
e
s
.
T
h
e
o
v
e
r
a
l
l
a
c
c
ura
c
y
of
t
h
e
p
r
o
po
s
e
d
di
a
g
n
o
s
t
i
c
s
y
s
t
e
m
i
s
~
100%
w
i
t
h
11
a
t
t
ri
b
ut
e
s
w
h
e
r
e
a
s
99.
2%
w
i
t
h
7
a
t
t
r
i
b
ut
e
s
.
O
n
t
h
e
o
t
h
e
r
ha
n
d
,
t
h
e
r
e
s
ul
t
s
c
l
e
a
rl
y
r
e
v
e
a
l
s
t
ha
t
t
h
e
num
b
e
r
o
f
a
t
t
r
i
b
ut
e
s
fo
r
t
h
y
r
o
i
d
di
a
g
n
o
s
i
s
a
r
e
i
n
de
pe
n
de
nt
o
f
t
h
e
n
u
m
b
e
r
o
f
i
n
s
t
a
n
c
e
s
i
n
t
e
rm
s
o
f
ov
e
r
a
l
l
a
c
c
ura
c
y
w
h
i
c
h
i
s
~
99
.
8
%
i
n
b
o
t
h
t
h
e
c
a
s
e
s
.
S
ur
p
ri
s
i
n
g
l
y
,
w
i
t
h
l
o
w
e
r
num
b
e
r
o
f
i
n
s
t
a
n
c
e
s
f
o
r
t
ra
i
ni
n
g
t
h
e
m
o
de
l
(e
.
g
.
30)
,
t
h
e
o
ve
r
a
l
l
a
c
c
ur
a
c
y
i
s
be
t
t
e
r
f
o
r
s
e
ve
n
a
t
t
ri
b
ut
e
s
(70%)
i
n
s
t
e
a
d
o
f
e
l
e
ve
n
a
t
t
r
i
b
ut
e
s
(66
.
7%)
.
T
h
e
n
um
b
e
r
o
f
e
poc
h
s
r
e
qui
r
e
d
f
o
r
t
ra
i
ni
n
g
t
h
e
m
o
de
l
w
i
t
h
e
l
e
v
e
n
a
t
t
r
i
b
ut
e
s
i
n
c
r
e
a
s
e
s
w
i
t
h
i
n
c
r
e
m
e
nt
i
n
t
h
e
s
a
m
p
l
e
s
.
T
h
e
T
a
b
l
e
4
i
l
l
us
t
ra
t
e
s
t
h
e
pe
r
f
o
r
m
a
n
c
e
c
o
m
pa
ri
s
o
n
o
f
t
h
e
p
r
o
po
s
e
d
t
h
y
r
o
i
d
di
a
g
n
o
s
t
i
c
s
y
s
t
e
m
w
i
t
h
t
h
e
e
xi
s
t
i
n
g
s
i
m
i
l
a
r
s
y
s
t
e
m
s
.
T
h
e
r
e
s
ul
t
s
c
l
e
a
r
l
y
i
n
d
i
c
a
t
e
t
ha
t
t
h
e
n
u
m
b
e
r
s
of
a
t
t
r
i
b
ut
e
s
us
e
d
fo
r
b
ui
l
di
n
g
a
pr
o
po
s
e
d
m
o
de
l
a
r
e
m
uc
h
m
o
r
e
t
ha
n
t
h
e
o
t
h
e
r
s
y
s
t
e
m
s
.
I
.
D
.
M
a
y
s
a
n
j
a
y
a
e
t
.
a
l
.
(2
015)
us
e
d
M
L
P
b
a
c
kpr
o
po
ga
t
i
o
n
p
a
t
t
e
rn
c
l
a
s
s
i
f
i
e
r
s
f
o
r
t
h
y
r
o
i
d
di
a
g
n
o
s
t
i
c
s
y
s
t
e
m
b
a
s
e
d
o
n
5
a
t
t
ri
b
ut
e
s
w
i
t
h
a
c
c
ura
c
y
of
96.
7%
w
h
i
c
h
i
s
o
ut
pl
a
y
e
d
by
t
h
e
p
r
o
po
s
e
d
di
a
gn
o
s
i
s
s
y
s
t
e
m
us
i
ng
11
a
t
t
r
i
b
ut
e
s
w
i
t
h
o
v
e
r
a
l
l
a
c
c
ura
c
y
o
f
~
100%
.
T
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
t
h
e
pr
o
po
s
e
d
s
y
s
t
e
m
i
s
b
e
t
t
e
r
t
ha
n
t
h
e
o
t
h
e
r
s
i
m
i
l
a
r
s
y
s
t
e
m
s
pr
o
po
s
e
d
by
M
a
z
i
n
A
b
dul
R
a
s
oo
l
(2009)
a
nd
S
a
e
e
dS
h
a
ri
a
t
i
e
t
.
a
l
.
(2010)
i
n
t
e
rm
s
o
f
pr
e
di
c
t
i
o
n
a
c
c
ur
a
c
y
.
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2
502
-
47
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
,
V
o
l
.
17
,
N
o
.
1
,
J
a
n
u
a
r
y
20
20
:
52
4
-
53
2
530
F
i
g
ur
e
7
.
R
O
C
w
i
t
h
30
i
ns
t
a
nc
e
s
a
nd
7
a
t
t
r
i
b
ut
e
s
F
i
g
ur
e
8
.
P
e
r
f
o
r
m
a
nc
e
w
i
t
h
120
i
ns
t
a
nc
e
s
a
n
d
7
a
t
t
r
i
bu
t
e
s
T
a
b
l
e
2
.
P
e
r
f
o
r
m
a
n
c
e
o
f
t
h
e
I
n
t
e
l
l
i
ge
n
t
T
h
y
r
o
i
d
P
r
e
di
c
t
i
o
n
S
y
s
t
e
m
w
i
t
h
11f
e
a
t
u
r
e
s
(t
ra
i
ni
n
g
,
v
a
l
i
d
a
t
i
o
n
,
t
e
s
t
i
n
g,
a
c
c
ur
a
c
y
)
T
a
b
l
e
3
.
P
e
r
f
o
r
m
a
n
c
e
o
f
t
h
e
T
h
y
r
o
i
d
P
r
e
di
c
t
i
o
n
S
y
s
t
e
m
w
i
t
h
7
F
e
a
t
u
r
e
s
(
A
c
c
u
r
a
c
y
)
It
e
ra
t
i
o
n
N
o
.
D
a
t
a
S
i
z
e
P
e
r
fo
r
m
a
n
c
e
T
ra
i
n
i
n
g
A
c
c
u
ra
c
y
V
a
l
i
d
a
t
i
o
n
A
c
c
u
ra
c
y
T
e
s
t
i
n
g
A
c
c
u
ra
c
y
O
v
e
ra
l
l
A
c
c
u
ra
c
y
1
30
0
.
0
0
2
0
9
75%
100%
20%
70%
2
60
0
.
0
1
2
4
9
5
.
2
%
100%
7
7
.
8
%
9
3
.
3
%
s
3
90
0
.
0
0
0
6
6
3
100%
100%
9
2
.
9
%
9
8
.
9
%
4
120
0
.
0
0
8
5
2
~
1
0
0
%
9
4
.
4
%
~
1
0
0
%
9
9
.
2
%
It
e
ra
t
i
o
n
N
o
.
D
a
t
a
S
i
z
e
P
e
r
fo
r
m
a
n
c
e
T
ra
i
n
i
n
g
A
c
c
u
ra
c
y
V
a
l
i
d
a
t
i
o
n
A
c
c
u
ra
c
y
T
e
s
t
i
n
g
A
c
c
u
ra
c
y
O
v
e
ra
l
l
A
c
c
u
ra
c
y
1
30
0
.
0
3
1
85%
20%
40%
6
6
.
7
%
2
60
9
.
8
7
e
-
05
~
1
0
0
%
77%
~
1
0
0
%
9
6
.
7
%
3
90
0
.
0
0
0
1
5
8
~
1
0
0
%
~
1
0
0
%
~
1
0
0
%
~
1
0
0
%
4
120
3
.
1
0
e
-
07
~
1
0
0
%
~
1
0
0
%
~
1
0
0
%
~
1
0
0
%
Evaluation Warning : The document was created with Spire.PDF for Python.
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
A
m
u
l
t
i
l
a
y
e
r
-
p
e
r
c
e
pt
r
on
bas
e
d
i
nt
e
l
l
i
g
e
nt
t
h
y
r
oi
d
d
i
s
e
as
e
pr
e
di
c
t
i
on
s
y
s
t
e
m
(
A
r
v
i
ndS
e
l
w
al
)
531
T
a
b
l
e
4
.
Co
m
p
a
r
a
t
i
v
e
A
n
a
l
y
s
i
s
of
V
a
r
i
o
us
P
a
t
t
e
rn
Cl
a
s
s
i
f
i
e
r
s
f
o
r
T
h
y
r
o
i
d
P
r
e
di
c
t
i
o
n
S
y
s
t
e
m
w
i
t
h
O
u
r
S
y
s
t
e
m
A
u
t
h
o
r
D
i
a
g
o
n
o
s
i
s
F
e
a
t
u
r
e
s
M
a
c
h
i
n
e
l
e
a
r
n
i
n
g
t
e
c
h
n
i
q
u
e
u
s
e
d
P
e
r
fo
r
m
a
n
c
e
I.
D
.
M
a
y
s
a
n
j
a
y
a
e
t
.
a
l
.
(
2015)
T
h
y
ro
i
d
5
M
L
P
(
Ba
c
k
p
ro
p
o
g
a
t
i
o
n
)
A
c
c
u
ra
c
y
=
9
6
.
7
%
M
a
z
i
n
A
b
d
u
l
Ra
s
o
o
l
(2
0
0
9
)
T
h
y
ro
i
d
3
M
L
P
--
S
a
e
e
d
s
h
a
ri
a
t
i
,
M
a
h
d
i
m
o
t
a
v
a
l
i
(2
0
1
0
)
H
e
p
a
t
i
t
i
s
a
n
d
T
h
y
ro
i
d
--
S
e
l
f
o
rg
a
n
i
z
e
d
f
u
z
z
y
s
y
s
t
e
m
--
P
r
o
p
o
s
e
d
t
h
y
r
o
i
d
p
r
e
d
i
c
t
i
o
s
y
s
t
e
m
(
2
0
1
8
)
T
h
y
r
o
i
d
7
a
n
d
1
1
M
L
P
(
B
a
c
k
p
r
o
p
o
g
a
t
i
o
n
)
A
c
c
u
r
a
c
y
f
w
i
t
h
7
f
e
a
t
u
r
e
s
=
9
9
.
2
%
A
c
c
u
r
a
c
y
f
w
i
t
h
1
1
F
e
a
t
u
r
e
s
=
9
9
.
8
%
5.
C
O
N
C
LU
S
I
O
N
T
h
e
i
n
t
e
l
l
i
ge
n
t
p
r
e
di
c
t
i
o
n
a
n
d
c
l
a
s
s
i
f
i
c
a
t
i
o
n
ha
s
b
e
e
n
a
c
h
i
e
v
e
d
by
t
r
a
i
ni
n
g
t
h
e
M
L
P
m
o
de
l
w
i
t
h
a
m
i
xe
d
d
a
t
a
s
e
t
o
f
v
a
r
i
o
us
s
ubj
e
c
t
s
c
o
l
l
e
c
t
e
d
f
r
o
m
i
n
di
v
i
du
a
l
s
l
i
v
i
n
g
i
n
di
f
f
e
r
e
n
t
ha
b
i
t
a
t
s
.
T
h
e
pr
o
po
s
e
d
m
o
de
l
w
a
s
s
uc
c
e
s
s
f
ul
l
y
t
e
s
t
e
d
w
i
t
h
ra
n
do
m
s
a
m
p
l
e
s
i
n
c
l
u
d
i
n
g
i
n
s
t
a
n
c
e
s
of
h
y
p
e
r
t
h
y
r
o
i
d,
h
y
po
t
h
y
r
o
i
d
a
n
d
n
o
rm
a
l
i
n
di
v
i
du
a
l
s
.
T
h
e
s
y
s
t
e
m
e
xh
i
b
i
t
s
e
xc
e
l
l
e
nt
t
ra
i
ni
n
g
a
n
d
t
e
s
t
i
n
g
a
c
c
ura
c
y
of
a
l
m
o
s
t
100%
w
i
t
h
11
a
t
t
ri
b
ut
e
s
a
n
d
99.
2%
w
i
t
h
7
a
t
t
ri
b
ut
e
s
.
T
h
e
pr
o
po
s
e
d
t
h
y
r
o
i
d
pr
e
di
c
t
i
o
n
s
y
s
t
e
m
e
xh
i
b
i
t
s
b
e
t
t
e
r
p
r
e
di
c
t
i
o
n
a
c
c
u
r
a
c
y
o
f
n
e
a
rl
y
99.
8%
w
i
t
h
7
o
r
11
o
f
f
e
a
t
ur
e
s
a
s
c
o
m
pa
r
e
d
t
o
e
xi
s
t
i
ng
s
i
m
i
l
a
r
s
y
s
t
e
m
s
w
h
i
c
h
us
e
d
o
n
l
y
3
t
o
5
f
e
a
t
ur
e
s
.
M
o
r
e
ov
e
r
,
c
o
m
pa
r
i
s
o
n
ha
s
b
e
e
n
c
a
rri
e
d
o
ut
b
e
t
w
e
e
n
t
h
e
t
w
o
e
xpe
r
i
m
e
nt
s
c
o
n
duc
t
e
d
w
i
t
h
di
f
f
e
r
e
n
t
num
b
e
r
o
f
de
c
i
s
i
o
n
a
t
t
r
i
b
ut
e
s
.
A
s
a
f
ut
u
r
e
r
e
s
e
a
r
c
h
,
t
h
e
e
n
s
e
m
b
l
e
s
us
i
n
g
R
a
n
do
m
f
o
r
e
s
t
s
,
B
a
ggi
n
g
a
n
d
B
oo
s
t
i
n
g
m
a
c
h
i
n
e
l
e
a
rni
n
g
a
dv
a
n
c
e
d
t
e
c
h
ni
que
s
m
a
y
be
us
e
d
t
o
i
m
pr
o
v
e
t
h
e
a
c
c
ur
a
c
y
.
F
ur
t
h
e
r
m
o
r
e
,
t
h
e
pr
o
po
s
e
d
m
a
c
h
i
n
e
l
e
a
rni
n
g
m
o
de
l
m
a
y
b
e
e
xt
e
n
de
d
t
o
di
a
g
n
o
s
e
o
t
h
e
r
t
y
p
e
s
of
l
i
fe
s
t
y
l
e
di
s
e
a
s
e
s
l
i
ke
di
a
b
e
t
e
s
,
b
l
oo
d
pr
e
s
s
u
r
e
a
n
d
m
a
n
y
m
o
r
e
.
T
h
e
de
e
p
l
e
a
rn
i
ng
t
e
c
hni
que
s
l
i
k
e
CN
N
m
a
y
b
e
us
e
d
t
o
f
ur
t
h
e
r
i
n
c
o
r
po
ra
t
e
t
h
e
i
n
t
e
l
l
i
ge
n
c
e
i
n
t
h
e
p
r
o
po
s
e
d
s
y
s
t
e
m
.
R
EF
ER
EN
C
ES
[
1]
I
.
D
.
M
a
y
s
a
nj
a
y
a
,
H
.
A
.
N
ug
r
o
ho
,
N
.
A
.
S
e
t
i
a
w
a
n,
J
.
G
.
N
o
,
a
nd
K
.
U
g
m
,
“
A
C
o
m
pa
r
i
s
o
n
o
f
C
l
a
s
s
i
f
i
c
a
t
i
o
n
M
e
t
ho
ds
o
n
D
i
a
g
no
s
i
s
o
f
T
hy
r
o
i
d
D
i
s
e
a
s
e
s
,
”
20
15
I
n
t
.
Se
m
i
n
.
I
n
t
e
l
l
.
T
e
c
h
nol
.
I
t
s
A
pp
l
.
,
pp
.
89
–
94
,
2
015
.
[
2]
M
.
R
.
O
be
i
da
v
i
,
A
.
L
.
I
.
R
a
f
i
e
e
,
a
n
d
O
.
M
a
hd
i
y
a
r
,
“
D
i
a
g
no
s
i
ng
T
hy
r
o
i
d
D
i
s
e
a
s
e
by
N
e
ur
a
l
N
e
t
w
o
r
k
s
,
”
v
o
l
.
1
0,
no
.
2
,
pp.
5
09
–
5
24,
2
017
.
[
3]
P
.
D
ur
g
a
,
V
.
S
.
J
e
ba
kum
a
r
i
,
a
nd
D
.
S
ha
nt
hi
,
“
D
i
a
g
no
s
i
s
a
nd
C
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
P
a
r
ki
n
s
o
ns
D
i
s
e
a
s
e
U
s
i
ng
D
a
t
a
M
i
n
i
ng
T
e
c
hni
q
ue
s
,
”
I
SSN
O
n
l
i
ne
)
I
nt
.
J
.
A
dv
.
R
e
s
.
T
r
e
nds
E
ng
.
T
e
c
hnol
.
,
v
o
l
.
3,
no
.
14
,
pp
.
2394
–
377
7,
20
16
.
[
4]
A
.
F
a
br
i
c
s
,
“
A
r
t
i
f
i
c
i
a
l
N
e
u
r
a
l
N
e
t
w
o
r
k
S
y
s
t
e
m
f
o
r
,
”
no
.
2,
p
p.
51
8
–
528,
2
009
.
[
5]
S
.
S
ha
r
i
a
t
i
a
n
d
M
.
M
.
H
a
g
hi
g
hi
,
“
C
o
m
pa
r
i
s
o
n
o
f
a
nf
i
s
ne
ur
a
l
n
e
t
w
o
r
k
w
i
t
h
s
e
v
e
r
a
l
o
t
he
r
a
nn
s
a
nd
s
uppo
r
t
v
e
c
t
o
r
m
a
c
hi
ne
f
o
r
d
i
a
g
no
s
i
ng
he
p
a
t
i
t
i
s
a
n
d
t
hy
r
o
i
d
di
s
e
a
s
e
s
,
”
2
010
I
n
t
.
C
onf
.
C
om
p
ut
.
I
nf
.
Sy
s
t
.
I
nd.
M
ana
g.
A
pp
l
.
C
I
S
I
M
2010
,
pp.
5
96
–
5
99,
2
010
.
[
6]
R
.
T
i
w
a
r
i
,
A
.
S
hu
kl
a
,
a
n
d
P
.
K
a
u
r
,
“
D
i
a
g
no
s
i
s
o
f
T
hy
r
o
i
d
D
i
c
i
a
l
N
e
ur
a
l
N
e
t
w
o
r
k
s
,
”
no
.
M
a
r
c
h
,
pp.
6
–
7,
2
009
.
[
7]
N
.
K
um
a
r
a
nd
S
.
K
ha
t
r
i
,
“
I
m
pl
e
m
e
n
t
i
ng
W
E
K
A
f
o
r
m
e
di
c
a
l
da
t
a
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
nd
e
a
r
l
y
di
s
e
a
s
e
p
r
e
d
i
c
t
i
o
n
,
”
2017
3r
d
I
n
t
.
C
o
nf
.
C
om
pu
t
.
I
nt
e
l
l
.
C
om
m
u
n.
T
e
c
hn
ol
.
,
p
p.
1
–
6,
20
17.
[
8]
Y
.
X
i
ng
,
J
.
W
a
ng
,
Z
.
Z
ha
o
,
a
nd
a
ndY
o
ng
ho
ng
G
a
o
,
“
C
o
m
bi
na
t
i
o
n
D
a
t
a
M
i
ni
ng
M
e
t
ho
ds
w
i
t
h
N
e
w
M
e
d
i
c
a
l
D
a
t
a
t
o
P
r
e
d
i
c
t
i
ng
O
ut
c
o
m
e
o
f
C
o
r
o
na
r
y
H
e
a
r
t
D
i
s
e
a
s
e
,
”
20
07
I
n
t
.
C
onf
.
C
onv
e
r
g
.
I
n
f
.
T
e
c
hno
l
.
(
I
C
C
I
T
20
07)
,
pp.
86
8
–
87
2,
20
07.
[
9]
T
.
H
s
i
a
ng
,
C
.
P
.
W
e
i
,
a
n
d
V
c
.
S
.
T
s
e
ng
,
“
F
e
a
t
u
r
e
s
e
l
e
c
t
i
o
n
f
o
r
m
e
di
c
a
l
d
a
t
a
m
i
n
i
ng
:
C
o
m
pa
r
i
s
o
ns
o
f
e
xpe
r
t
j
udg
m
e
nt
a
nd
a
u
t
o
m
a
t
i
c
a
pp
r
o
a
c
he
s
,
”
P
r
oc
.
-
I
E
E
E
S
y
m
p
.
C
om
put
.
M
e
d.
S
y
s
t
.
,
v
o
l
.
2006
,
pp
.
165
–
170
,
200
6.
[
10]
R
.
D
e
y
a
nd
V
.
B
a
j
pa
i
,
“
A
ppl
i
c
a
t
i
o
n
o
f
A
r
t
i
f
i
c
i
a
l
N
e
ur
a
l
N
e
t
w
o
r
k
(
A
N
N
)
t
e
c
hni
que
f
o
r
D
i
a
g
no
s
i
ng
D
i
a
be
t
e
s
M
e
l
l
i
t
us
,
”
I
E
E
E
e
x
p
l
o
r
e
r
,
no
.
155
,
pp
.
8
–
11
,
2008
.
[
11]
C
a
na
n
S
e
no
l
a
nd
T
ül
a
y
Y
i
l
di
r
i
m
,
“
T
hy
r
o
i
d
a
nd
br
e
a
s
t
c
a
nc
e
r
d
i
s
e
a
s
e
d
i
a
g
no
s
i
s
u
s
i
ng
F
uz
z
y
-
ne
ur
a
l
ne
t
w
o
r
ks
,
”
E
L
E
C
O
20
09
-
6t
h
I
n
t
.
C
on
f
.
E
l
e
c
t
r
.
E
l
e
c
t
r
on.
E
n
g.
,
pp
.
390
–
393
,
2
009.
[
12]
S
.
D
e
s
hm
u
kh
a
nd
S
.
S
h
i
nd
e
,
“
D
i
a
g
no
s
i
s
o
f
L
ung
C
a
nc
e
r
us
i
ng
P
r
u
n
e
d
F
uz
z
y
M
i
n
-
M
a
x
N
e
u
r
a
l
N
e
t
w
o
r
k
,
”
I
n
t
.
C
on
f
.
A
ut
om
.
C
ont
r
o
l
D
y
n.
O
p
t
i
m
.
T
e
c
h.
I
C
A
C
D
O
T
2
016
,
pp
.
3
98
–
4
02
,
2
017.
[
13]
K
.
V
i
s
w
a
na
t
h
a
nd
R
.
G
una
s
unda
r
i
,
“
D
e
s
i
g
n
a
nd
a
na
l
y
s
i
s
pe
r
f
o
r
m
a
nc
e
o
f
ki
dne
y
s
t
o
ne
de
t
e
c
t
i
o
n
f
r
o
m
ul
t
r
a
s
o
und
i
m
a
g
e
by
l
e
v
e
l
s
e
t
s
e
g
m
e
nt
a
t
i
o
n
a
nd
A
N
N
c
l
a
s
s
i
f
i
c
a
t
i
o
n,
”
P
r
oc
.
2
014
I
n
t
.
C
o
nf
.
A
d
v
.
C
om
pu
t
.
C
om
m
un.
I
nf
or
m
a
t
i
c
s
,
I
C
A
C
C
I
2
014
,
pp.
4
07
–
4
14
,
2
014
.
[
14]
S
.
M
u
t
hu
s
e
l
v
a
n,
K
.
S
.
S
u
nda
r
a
m
,
a
nd
P
r
a
ba
s
he
e
l
a
,
“
P
r
e
d
i
c
t
i
o
n
o
f
br
e
a
s
t
c
a
nc
e
r
us
i
ng
c
l
a
s
s
i
f
i
c
a
t
i
o
n
r
ul
e
m
i
ni
ng
t
e
c
hni
que
s
i
n
b
l
o
o
d
t
e
s
t
da
t
a
s
e
t
s
,
”
2016
I
nt
.
C
on
f
.
I
nf
.
C
om
m
un
.
E
m
be
d.
S
y
s
t
.
,
no
.
I
c
i
c
e
s
,
p
p.
1
–
5,
20
16
.
[
15]
V
.
J
.
M
a
d
hur
i
,
M
.
R
.
M
o
ha
n
,
a
n
d
R
.
K
a
a
v
y
a
,
“
S
t
r
e
s
s
M
a
n
a
g
e
m
e
n
t
U
s
i
ng
A
r
t
i
f
i
c
i
a
l
I
nt
e
l
l
i
g
e
nc
e
,
”
2013
T
hi
r
d
I
n
t
.
C
onf
.
A
dv
.
C
om
pu
t
.
C
om
m
un
.
,
pp.
5
4
–
57
,
201
3.
[
16]
N
.
G
a
ne
s
a
n
,
“
A
ppl
i
c
a
t
i
o
n
o
f
N
e
ur
a
l
N
e
t
w
o
r
ks
i
n
D
i
a
g
no
s
i
ng
C
a
nc
e
r
D
i
s
e
a
s
e
U
s
i
ng
D
e
m
o
g
r
a
phi
c
D
a
t
a
,
”
I
n
t
.
J
.
C
om
put
.
A
pp
l
.
(
0975
,
v
o
l
.
1
,
no
.
26,
p
p.
76
–
85
,
2010
.
[
17]
S
.
S
a
p
na
,
“
F
u
s
i
o
n
o
f
B
i
g
D
a
t
a
a
nd
N
e
ur
a
l
N
e
t
w
o
r
ks
f
o
r
P
r
e
di
c
t
i
ng
T
h
y
r
o
i
d,
”
201
6
I
n
t
.
C
onf
.
E
l
e
c
t
r
.
E
l
e
c
t
r
on.
C
om
m
un.
C
om
p
ut
.
O
pt
i
m
.
T
e
c
h
.
,
pp
.
243
–
247
,
201
6.
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2
502
-
47
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g&
Co
m
p
S
c
i
,
V
o
l
.
17
,
N
o
.
1
,
J
a
n
u
a
r
y
20
20
:
52
4
-
53
2
532
[
18]
F
.
X
i
e
,
H
.
F
a
n
,
Y
.
L
i
,
Z
.
J
i
a
ng
,
R
.
M
e
ng
,
a
nd
A
.
B
o
v
i
k,
“
M
e
l
a
no
m
a
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
n
de
r
m
o
s
c
o
p
y
i
m
a
g
e
s
us
i
ng
a
ne
ur
a
l
n
e
t
w
o
r
k
e
n
s
e
m
b
l
e
m
o
de
l
,
”
I
E
E
E
T
r
an
s
.
M
e
d.
I
m
ag
i
ng
,
v
o
l
.
36,
no
.
3,
p
p.
84
9
–
85
8,
20
17.
[
19]
A
.
A
.
G
.
D
e
A
r
a
uj
o
C
r
uz
,
R
.
D
.
G
o
m
e
s
,
F
.
A
.
B
e
l
o
,
a
n
d
A
.
C
.
L
i
m
a
F
i
l
ho
,
“
A
H
y
br
i
d
S
y
s
t
e
m
B
a
s
e
d
o
n
F
uz
z
y
L
o
g
i
c
t
o
F
a
i
l
ur
e
D
i
a
g
no
s
i
s
i
n
I
nduc
t
i
o
n
M
o
t
o
r
s
,
”
I
E
E
E
L
a
t
.
A
m
.
T
r
ans
.
,
v
o
l
.
1
5,
no
.
8
,
p
p.
14
80
–
1
489
,
2017
.
[
20]
M
.
B
h
a
r
g
a
v
a
,
A
.
S
e
l
w
a
l
,
"
A
s
s
o
c
i
a
t
i
o
n
r
u
l
e
m
i
n
i
ng
us
i
ng
a
pr
i
o
r
i
a
l
g
o
r
i
t
hm
:
A
r
e
v
i
e
w
"
,
I
n
t
e
r
na
t
i
o
nal
J
ou
r
na
l
of
A
dv
an
c
e
d
R
e
s
e
ar
c
h
i
n
C
om
pu
t
e
r
S
c
i
e
nc
e
,
v
o
l
.
4
,
no
.
2,
20
13
.
[
21]
A
.
S
e
l
w
a
l
a
nd
S
.
K
.
G
up
t
a
,
“
T
e
m
p
l
a
t
e
s
e
c
ur
i
t
y
a
na
l
y
s
i
s
o
f
m
ul
t
i
m
o
da
l
bi
o
m
e
t
r
i
c
f
r
a
m
e
w
o
r
ks
b
a
s
e
d
o
n
f
i
ng
e
r
pr
i
n
t
a
nd
ha
n
d
g
e
o
m
e
t
r
y
ଝ
,
”
P
e
r
s
pe
c
t
.
S
c
i
.
,
v
o
l
.
8,
p
p.
70
5
–
70
8,
20
16
.
[
22]
A
.
S
e
l
w
a
l
a
n
d
S
.
K
um
a
r
,
“
F
uz
z
y
A
na
l
y
t
i
c
H
i
e
r
a
r
c
hy
P
r
oc
e
s
s
ba
s
e
d
T
e
m
p
l
a
t
e
D
a
t
a
A
na
l
y
s
i
s
o
f
M
ul
t
i
m
o
da
l
B
i
o
m
e
t
r
i
c
C
o
nc
e
pt
ua
l
D
e
s
i
g
ns
,
”
P
r
oc
e
d
i
a
-
P
r
oc
e
di
a
C
om
p
ut
.
Sc
i
.
,
v
o
l
.
85,
no
.
C
m
s
,
pp.
8
99
–
9
05
,
2
016
.
[
23]
J
.
A
hm
e
d
a
nd
M
.
A
.
R
.
S
o
o
m
r
a
ni
,
“
T
D
T
D
:
T
hy
r
o
i
d
di
s
e
a
s
e
t
y
pe
di
a
g
no
s
t
i
c
s
,
”
2
016
I
n
t
.
C
on
f
.
I
nt
e
l
l
.
Sy
s
t
.
E
ng
.
I
C
I
SE
2
016
,
pp.
4
4
–
50
,
201
6
.
[
24]
S
.
A
be
a
n
d
R
.
T
ha
w
o
nm
a
s
,
“
A
f
uz
z
y
c
l
a
s
s
i
f
i
e
r
w
i
t
h
e
l
l
i
p
s
o
i
d
a
l
r
e
g
i
o
ns
,
”
I
E
E
E
T
r
ans
.
F
uz
z
y
Sy
s
t
.
,
v
o
l
.
5
,
no
.
3
,
pp.
358
–
3
68,
1
997
.
[
25]
J
.
Z
ha
ng
a
n
d
W
.
Z
ha
ng
,
“
S
up
po
r
t
v
e
c
t
o
r
m
a
c
hi
n
e
f
o
r
r
e
c
o
g
ni
-
t
i
o
n
o
f
c
u
c
um
be
r
l
e
a
f
d
i
s
e
a
s
e
s
,
”
i
n
P
r
o
c
e
e
di
ng
s
-
2n
d
I
E
E
E
I
n
-
t
e
r
na
t
i
o
na
l
C
o
nf
e
r
e
nc
e
o
n
A
dv
a
nc
e
d
C
o
m
put
e
r
C
o
nt
r
o
l
,
I
C
A
C
C
2010,
20
10,
v
o
l
.
5,
no
.
1
,
p
p.
26
4
–
26
6.
B
I
O
G
R
A
P
H
I
ES
O
F
A
U
T
H
O
R
S
D
r
.
A
r
v
i
nd
S
e
l
w
a
l
i
s
w
o
r
ki
ng
a
s
S
e
ni
o
r
A
s
s
i
s
t
a
nt
P
r
o
f
e
s
s
o
r
i
n
t
he
D
e
pa
r
t
m
e
nt
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
a
nd
I
nf
o
r
m
a
t
i
o
n
T
e
c
hno
l
o
gy
,
C
e
nt
r
a
l
U
n
i
v
e
r
s
i
t
y
o
f
J
a
m
m
u,
I
ndi
a
.
H
e
c
o
m
pl
e
t
e
d
h
i
s
B
.
T
e
c
h
a
nd
M
.
T
e
c
h.
d
e
g
r
e
e
i
n
C
o
m
put
e
r
S
c
i
e
ne
c
e
a
nd
E
n
g
i
ne
e
r
i
ng
f
r
o
m
K
ur
uks
he
t
r
a
Un
i
v
e
r
s
i
t
y
,
H
a
r
y
a
na
,
I
ndi
a
.
H
e
h
a
s
c
o
m
pe
t
e
d
hi
s
P
h
.
D
.
de
g
r
e
e
i
n
C
o
m
put
e
r
S
c
i
e
nc
e
a
n
d
E
ng
i
ne
e
r
i
ng
f
r
o
m
I
.
K
.
G
u
j
r
a
l
P
un
j
a
b
T
e
c
hn
i
c
a
l
U
ni
v
e
r
s
i
t
y
,
P
un
j
a
b,
I
ndi
a
.
H
i
s
a
r
e
a
o
f
i
n
t
e
r
e
s
t
i
nc
l
ud
e
s
M
a
c
hi
ne
l
e
a
r
n
i
ng
,
D
i
g
i
t
a
l
I
m
a
g
e
P
r
oc
e
s
s
i
ng
,
B
i
o
m
e
t
r
i
c
s
a
nd
P
a
t
t
e
r
n
r
e
c
o
g
ni
t
i
o
n.
H
e
ha
s
publ
i
s
he
d
m
o
r
e
t
h
a
n
20
r
e
s
e
a
r
c
h
pu
bl
i
c
a
t
i
o
ns
i
n
r
e
pu
t
e
d
I
nt
e
r
na
t
i
o
na
l
a
n
d
N
a
t
i
o
na
l
J
o
ur
n
a
l
s
i
nde
xe
d
i
n
po
pu
l
a
r
da
t
a
ba
s
e
s
l
i
ke
S
C
I
,
S
c
o
pus
,
A
C
M
,
a
nd
D
B
L
P
.
H
e
ha
s
m
o
r
e
t
h
a
n
14
y
e
a
r
s
o
f
e
xpe
r
i
e
nc
e
i
n
t
e
a
c
hi
ng
a
nd
r
e
s
e
a
r
c
h
.
H
e
i
s
a
n
a
c
t
i
v
e
m
e
m
b
e
r
o
f
C
o
m
put
e
r
S
o
c
i
e
t
y
of
I
ndi
a
(
C
S
I
)
.
I
f
r
a
h
R
a
o
o
f
ha
s
c
o
m
pl
e
t
e
d
h
e
r
B
a
c
hl
o
r
o
f
E
ng
i
ne
e
r
i
ng
(
B
.
E
.
)
de
g
r
e
e
i
n
I
nf
o
r
m
a
t
i
o
n
T
e
c
hno
l
o
g
y
f
r
o
m
U
ni
v
e
r
s
i
t
y
o
f
J
a
m
m
u
a
nd
M
.
T
e
c
h
de
g
r
e
e
f
r
o
m
C
e
nt
r
a
l
U
n
i
v
e
r
s
i
t
y
of
J
a
m
m
u,
J
&
K
,
I
ndi
a
.
S
he
h
a
s
c
o
m
pl
e
t
e
d
h
e
r
r
e
s
e
a
r
c
h
w
o
r
k
du
r
i
ng
M
.
T
e
c
h
de
g
r
e
e
i
n
M
a
c
hi
n
e
L
e
a
r
ni
ng
un
de
r
t
h
e
s
upe
r
v
i
s
i
o
n
o
f
D
r
.
A
r
v
i
nd
S
e
l
w
a
l
.
H
e
r
a
r
e
a
o
f
i
nt
e
r
e
s
t
i
nc
l
ude
s
M
a
c
hi
ne
L
e
a
r
n
i
ng
w
i
t
h
N
a
r
r
o
w
D
o
m
a
i
n
i
n
N
L
P
,
S
pe
e
c
h
R
e
c
o
g
ni
t
i
o
n.
S
he
ha
s
qua
l
i
f
i
e
d
N
a
t
i
o
na
l
E
l
i
g
i
b
i
l
i
t
y
T
e
s
t
(
N
E
T
)
i
n
t
he
y
e
a
r
2018
.
Evaluation Warning : The document was created with Spire.PDF for Python.