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
.
1
6
,
N
o
.
1
,
O
c
t
o
b
er
2
01
9
,
pp
.
222
~
229
IS
S
N
:
2502
-
4752
,
D
O
I
:
10.
1
1591
/
i
j
e
e
c
s
.
v
1
6
.i
1
.
pp222
-
229
222
Jou
r
n
al
h
o
m
e
pa
ge
:
ht
t
p:
/
/
i
ae
s
c
or
e
.
c
om
/
j
our
na
l
s
/
i
nde
x
.
php/
i
j
e
e
c
s
E
v
o
l
v
i
n
g
sp
i
k
i
n
g
n
e
u
r
a
l
n
e
t
w
o
r
k
s m
e
t
h
o
d
s f
o
r
c
l
a
s
si
f
i
c
a
t
i
o
n
p
r
o
b
l
e
m
:
a
c
a
se
st
u
d
y
i
n
f
l
o
o
d
e
v
e
n
t
s r
i
sk
a
ssessm
e
n
t
M
o
h
d
H
afi
z
u
l
A
fi
f
i
A
b
d
u
l
l
ah
1
,
M
u
h
ai
n
i
O
th
m
an
2
,
S
h
ah
r
e
e
n
K
as
i
m
3
,
S
i
ti
A
i
s
yah
M
o
h
am
e
d
4
1
,
2
,
3
,
4
F
a
c
ul
t
y
of
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
,
U
ni
v
e
r
s
i
t
i
T
u
n
H
u
s
s
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
,
M
a
l
a
y
s
i
a
1
,3
S
o
f
t
-
C
o
m
put
i
ng
a
n
d
D
a
t
a
M
i
n
i
ng
C
e
nt
e
r
,
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
,
M
a
l
a
y
s
i
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
J
a
n
2
1
,
2
01
9
R
e
v
i
s
e
d
M
a
r
2
6,
20
19
A
c
c
e
pt
e
d
A
p
r
1
5
,
201
9
A
na
l
y
s
i
ng
e
nv
i
r
o
nm
e
nt
a
l
e
v
e
nt
s
s
uc
h
a
s
pr
e
d
i
c
t
i
ng
t
he
r
i
s
k
o
f
f
l
o
o
d
i
s
c
o
ns
i
de
r
e
d
a
s
a
c
ha
l
l
e
ng
i
ng
t
a
s
k
du
e
t
o
t
he
dy
na
m
i
c
be
ha
v
i
o
ur
o
f
t
he
da
t
a
.
O
ne
w
a
y
t
o
c
o
r
r
e
c
t
l
y
pr
e
d
i
c
t
t
he
r
i
s
k
o
f
s
uc
h
e
v
e
n
t
s
i
s
by
g
a
t
he
r
i
ng
a
s
m
uc
h
o
f
r
e
l
a
t
e
d
hi
s
t
o
r
i
c
a
l
da
t
a
a
nd
a
n
a
l
y
s
e
t
h
e
c
o
r
r
e
l
a
t
i
o
n
b
e
t
w
e
e
n
t
h
e
f
e
a
t
u
r
e
s
w
hi
c
h
c
o
nt
r
i
bu
t
e
t
o
t
he
e
v
e
n
t
o
c
c
ur
r
e
nc
e
s
.
I
ns
pi
r
e
d
by
t
h
e
br
a
i
n
w
o
r
ki
ng
m
e
c
ha
ni
s
m
,
t
he
s
pi
k
i
ng
ne
u
r
a
l
ne
t
w
o
r
ks
ha
v
e
pr
o
v
e
n
t
h
e
c
a
p
a
bi
l
i
t
y
o
f
r
e
v
e
a
l
i
ng
a
s
i
g
ni
f
i
c
a
n
t
a
s
s
o
c
i
a
t
i
o
n
be
t
w
e
e
n
d
i
f
f
e
r
e
n
t
v
a
r
i
a
bl
e
s
s
pi
ke
be
ha
v
i
o
ur
dur
i
ng
a
n
e
v
e
nt
.
P
e
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
ng
,
o
n
t
h
e
o
t
he
r
ha
nd
,
a
l
l
o
w
s
a
pe
r
s
o
na
l
m
o
de
l
t
o
be
c
r
e
a
t
e
d
f
o
r
a
s
pe
c
i
f
i
c
d
a
t
a
m
o
de
l
a
nd
e
x
pe
r
i
m
e
n
t
.
T
h
e
r
e
f
o
r
e
,
a
pe
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
ng
m
e
t
ho
d
i
nc
o
r
po
r
a
t
i
ng
s
p
i
k
i
ng
ne
ur
a
l
ne
t
w
o
r
k
i
s
us
e
d
t
o
c
r
e
a
t
e
a
pe
r
s
o
na
l
i
s
e
d
m
o
de
l
f
o
r
a
s
s
e
s
s
i
ng
a
r
e
a
l
-
w
o
r
l
d
f
l
o
o
d
c
a
s
e
s
t
udy
i
n
K
ua
l
a
K
r
a
i
,
K
e
l
a
n
t
a
n
b
a
s
e
d
o
n
h
i
s
t
o
r
i
c
a
l
d
a
t
a
o
f
2012
-
20
16
pr
o
v
i
de
d
by
M
a
l
a
y
s
i
a
n
M
e
t
e
o
r
o
l
o
g
i
c
a
l
D
e
p
a
r
t
m
e
n
t
.
T
h
e
r
e
s
u
l
t
s
ho
w
s
t
ha
t
t
h
e
m
e
t
ho
d
p
r
o
duc
e
s
t
h
e
hi
g
he
s
t
a
c
c
ur
a
c
y
a
m
o
ng
t
he
s
e
l
e
c
t
e
d
c
o
m
pa
r
e
d
a
l
g
o
r
i
t
hm
s
.
Ke
y
w
or
d
s
:
Cl
a
s
s
i
f
i
c
a
t
i
o
n
D
a
t
a
m
i
ni
n
g
P
a
t
t
e
rn
r
e
c
o
gn
i
t
i
o
n
P
e
r
s
o
n
a
l
i
s
e
d
m
o
de
l
l
i
n
g
S
pi
ki
n
g
n
e
u
r
a
l
n
e
t
w
o
r
ks
C
opy
r
i
gh
t
©
201
9
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
:
M
uha
i
ni
O
t
hm
a
n,
F
a
c
ul
t
y
of
Co
m
put
e
r
S
c
i
e
n
c
e
a
n
d
I
n
f
o
r
m
a
t
i
o
n
T
e
c
hn
o
l
o
gy
,
U
n
i
v
e
r
s
i
t
i
T
u
n
H
us
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
,
86400
P
a
r
i
t
R
a
j
a
,
B
a
t
u
P
a
ha
t
,
J
o
h
o
r,
M
a
l
a
y
s
i
a
.
E
m
a
i
l
:
m
u
ha
i
ni
@
ut
hm
.
e
du.
m
y
1.
I
N
TR
O
D
U
C
TI
O
N
In
a
d
a
t
a
-
d
r
i
v
e
n
w
o
r
l
d
w
e
l
i
v
e
i
n
t
o
da
y
,
t
e
c
hn
o
l
o
gy
a
dv
a
n
c
e
m
e
nt
h
a
s
m
a
de
i
t
po
s
s
i
b
l
e
t
o
p
r
o
c
e
s
s
v
a
s
t
a
m
o
u
n
t
o
f
da
t
a
f
o
r
a
n
a
l
y
s
i
n
g
pa
t
t
e
rn
o
f
e
v
e
n
t
s
o
c
c
ur
r
e
n
c
e
s
.
T
h
e
s
e
da
t
a
i
s
us
e
d
i
n
d
i
f
fe
r
e
nt
l
o
c
a
l
i
t
i
e
s
,
f
o
r
i
n
s
t
a
n
c
e
,
i
n
c
o
n
s
t
r
uc
t
i
ng
a
p
r
e
d
i
c
t
i
v
e
da
t
a
m
o
d
e
l
f
o
r
w
e
a
t
he
r
a
n
d
e
n
v
i
r
o
nm
e
nt
a
l
e
v
e
n
t
s
f
o
r
e
c
a
s
t
i
n
g
,
t
r
a
f
f
i
c
a
n
a
l
y
s
i
s
,
s
e
n
t
i
m
e
nt
a
na
l
y
s
i
s
,
a
n
d
m
a
n
y
o
t
h
e
r
a
pp
l
i
c
a
t
i
o
n
s
.
D
e
ve
l
o
pm
e
n
t
o
f
h
a
r
dw
a
r
e
a
n
d
s
o
f
t
w
a
r
e
fo
r
da
t
a
-
dri
v
e
n
t
e
c
hn
o
l
o
g
y
i
s
l
i
m
i
t
l
e
s
s
.
A
n
e
xa
m
pl
e
o
f
a
ppl
i
e
d
da
t
a
-
d
ri
v
e
n
t
e
c
hn
o
l
o
g
y
h
a
s
b
e
e
n
pub
l
i
s
h
e
d
i
n
K
a
s
a
b
ov
e
t
al
.
[1]
w
h
e
r
e
da
t
a
a
na
l
y
s
i
s
ha
s
b
e
e
n
a
pp
l
i
e
d
o
n
e
c
o
l
o
gi
c
a
l
da
t
a
,
h
e
a
l
t
h
-
r
e
l
a
t
e
d
d
a
t
a
,
a
p
h
i
d
po
pul
a
t
i
o
n
pr
e
di
c
t
i
o
n,
a
n
d
o
t
h
e
r
s
.
D
a
t
a
-
d
ri
v
e
n
t
e
c
hn
o
l
o
g
y
de
ve
l
o
pm
e
nt
a
n
d
a
ppl
i
c
a
t
i
o
n
h
a
s
a
l
s
o
b
e
e
n
a
pp
l
i
e
d
o
n
a
n
e
u
r
o
m
o
r
p
hi
c
ha
r
dw
a
r
e
[1]
t
o
b
e
t
t
e
r
-
v
i
s
ua
l
i
s
e
t
h
e
c
o
n
s
t
r
uc
t
e
d
p
r
e
di
c
t
i
v
e
m
o
de
l
s
.
K
a
s
a
b
ov
[2,
3]
ha
s
a
dd
r
e
s
s
e
d
t
ha
t
m
o
s
t
e
n
v
i
r
o
nm
e
nt
-
r
e
l
a
t
e
d
e
v
e
n
t
c
a
n
b
e
c
a
pt
ur
e
d
t
o
fo
r
m
s
pa
t
i
o
/
s
pe
c
t
r
o
-
t
e
m
po
r
a
l
d
a
t
a
(S
S
T
D
)
b
y
c
a
pt
u
r
i
n
g
da
t
a
f
r
o
m
di
f
f
e
r
e
n
t
p
l
a
c
e
s
(s
pa
t
i
o
-
c
o
m
po
n
e
nt
o
r
l
o
c
a
l
i
t
i
e
s
)
a
n
d
t
h
e
i
r
c
o
rr
e
s
po
n
d
i
n
g
v
a
ri
a
b
l
e
s
t
i
m
e
l
y
m
e
a
s
ur
e
m
e
n
t
s
.
S
e
v
e
ra
l
w
o
r
ks
ha
v
e
a
l
s
o
b
e
e
n
pub
l
i
s
h
e
d
o
n
e
c
o
l
o
gi
c
a
l
da
t
a
[4
,
5]
,
s
t
r
o
ke
da
t
a
[1,
4,
6
–
9]
,
a
n
d
l
e
a
rn
i
ng
o
f
s
pa
t
i
o
-
t
e
m
po
r
a
l
b
ra
i
n
da
t
a
[
10,
11]
,
de
m
o
n
s
t
r
a
t
i
ng
t
h
e
c
a
pa
b
i
l
i
t
y
o
f
a
c
o
m
put
a
t
i
o
na
l
p
r
e
di
c
t
i
v
e
m
e
t
h
o
d
f
o
r
e
xt
ra
c
t
i
o
n
o
f
kn
o
w
l
e
dge
f
r
o
m
S
S
T
D
.
A
na
l
y
s
i
n
g
a
nd
u
n
de
r
s
t
a
n
di
ng
S
S
T
D
i
s
c
o
n
s
i
de
r
e
d
a
s
a
c
ha
l
l
e
n
gi
ng
t
a
s
k
due
t
o
t
h
e
c
l
o
s
e
i
nt
e
ra
c
t
i
o
n
a
n
d
i
nt
e
rr
e
l
a
t
i
o
n
s
hi
p
b
e
t
w
e
e
n
t
h
e
s
pa
t
i
a
l
/
s
pe
c
t
ra
l
-
c
o
m
po
n
e
nt
s
w
i
t
h
t
h
e
t
e
m
po
r
a
l
-
c
o
m
po
n
e
nt
s
[4]
,
t
h
e
n
o
n
-
s
ui
t
a
b
i
l
i
t
y
o
f
a
c
o
n
v
e
nt
i
o
na
l
m
a
c
hi
n
e
l
e
a
rn
i
ng
t
o
b
e
us
e
d
f
o
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
o
f
S
S
T
D
(o
n
l
y
s
ui
t
a
b
l
e
f
o
r
c
l
a
s
s
i
fy
i
n
g
v
e
c
t
o
r
-
b
a
s
e
d
a
n
d
s
t
a
t
i
c
t
y
pe
of
da
t
a
)
[
10]
,
a
n
d
t
h
e
t
ra
i
ni
n
g
s
a
m
pl
e
s
a
n
d
t
e
s
t
i
n
g
s
a
m
pl
e
s
m
us
t
ha
v
e
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
ng
&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
E
v
o
l
v
i
ng
s
pi
k
i
ng
ne
ur
al
ne
t
w
or
k
s
m
e
t
hods
f
or
c
l
as
s
i
f
i
c
at
i
on
pr
obl
e
m
…
(
Mohd
H
af
i
z
ul
A
f
i
f
i
A
bd
ul
l
ah
)
223
t
h
e
s
a
m
e
n
u
m
b
e
r
o
f
i
n
p
ut
f
e
a
t
u
r
e
s
-
h
e
n
c
e
e
l
i
m
i
na
t
i
n
g
s
o
m
e
i
nput
t
o
p
r
o
duc
e
c
o
n
s
i
s
t
e
n
t
n
u
m
b
e
r
o
f
f
e
a
t
ur
e
s
c
a
us
e
s
i
n
f
o
r
m
a
t
i
o
n
l
o
s
s
[4]
.
A
n
i
n
v
e
s
t
i
g
a
t
i
o
n
o
n
na
t
u
ra
l
e
v
e
n
t
s
r
e
qui
r
e
s
a
na
l
y
s
i
s
o
n
c
o
m
p
l
e
x
hi
g
h
di
m
e
n
s
i
o
na
l
d
a
t
a
i
n
t
h
e
f
o
r
m
o
f
s
pa
t
i
o
-
a
n
d
s
pe
c
t
r
o
-
t
e
m
po
r
a
l
da
t
a
(S
S
T
D
)
a
nd
i
t
i
s
i
m
po
rt
a
nt
t
o
r
e
t
a
i
n
t
h
e
i
nt
e
rr
e
l
a
t
i
o
n
s
h
i
p
i
n
f
o
r
m
a
t
i
o
n
b
e
t
w
e
e
n
t
h
e
c
o
m
po
n
e
n
t
s
.
D
a
t
a
m
i
n
i
ng
t
o
o
l
s
p
r
o
v
i
de
s
a
pr
o
m
i
s
i
n
g
f
r
a
m
e
w
o
r
k
f
o
r
di
s
c
o
ve
r
i
n
g
h
i
dde
n
pa
t
t
e
rn
s
w
i
t
h
i
n
a
m
ul
t
i
-
d
i
m
e
n
s
i
o
n
a
l
d
a
t
a
s
e
t
,
a
l
l
o
w
i
n
g
p
r
e
di
c
t
i
o
n
o
f
o
c
c
urr
e
n
c
e
s
-
a
ppl
i
c
a
b
l
e
i
n
v
a
ri
o
us
do
m
a
i
n
s
l
i
ke
p
r
e
di
c
t
i
o
n
o
f
e
n
v
i
r
o
n
m
e
n
t
a
l
di
s
a
s
t
e
r
o
c
c
urr
e
n
c
e
s
,
ri
s
k
o
f
s
t
r
o
ke
[1,
3,
4,
6
-
9],
a
s
s
e
s
s
m
e
n
t
o
f
e
c
o
l
o
gi
c
a
l
da
t
a
[5,
12
,
13]
pr
e
di
c
t
i
o
n
o
f
un
k
n
o
w
n
ge
n
e
f
un
c
t
i
o
n
s
[14]
,
a
n
d
m
a
n
y
o
t
h
e
r
s
[7,
15
-
17]
.
In
e
c
o
l
o
gi
c
a
l
a
n
d
r
i
v
e
r
e
n
gi
n
e
e
r
i
n
g
a
s
pe
c
t
s
,
G
ha
n
i
e
t
al
.
[1
8,
1
9]
h
a
v
e
s
um
m
a
r
i
s
e
d
t
ha
t
f
l
o
o
d
i
s
c
a
us
e
d
by
m
e
t
e
o
r
o
l
o
gi
c
a
l
f
a
c
t
o
r
s
(c
l
i
m
a
t
e
,
a
s
w
e
l
l
a
s
du
ra
t
i
o
n
a
nd
i
nt
e
n
s
i
t
y
o
f
r
a
i
n
f
a
l
l
)
,
ge
o
l
o
gi
c
a
l
f
e
a
t
u
r
e
s
,
a
nd
ur
b
a
ni
s
a
t
i
o
n
p
r
o
c
e
s
s
.
S
i
nn
a
ka
ud
a
n
e
t
al
.
[2
0]
ha
v
e
s
t
a
t
e
d
t
ha
t
f
l
o
o
ds
,
a
pa
rt
o
f
be
i
n
g
c
a
us
e
d
by
t
h
e
r
a
n
do
m
c
o
i
n
c
i
de
n
c
e
o
f
s
e
ve
r
a
l
m
e
t
e
o
r
o
l
o
gi
c
a
l
f
a
c
t
o
r
s
by
na
t
u
r
e
-
t
h
e
s
e
v
e
r
i
t
y
a
nd
c
o
n
s
e
que
n
c
e
s
o
f
t
h
e
e
v
e
n
t
s
a
r
e
a
l
s
o
i
n
f
l
ue
n
c
e
d
by
m
a
n
’s
us
e
o
f
t
h
e
r
i
v
e
r
’s
c
a
t
c
h
m
e
n
t
.
T
h
e
o
r
e
t
i
c
a
l
l
y
,
i
t
i
s
po
s
s
i
b
l
e
t
o
a
c
c
ur
a
t
e
l
y
p
r
e
di
c
t
e
n
v
i
r
o
n
m
e
n
t
a
l
e
v
e
n
t
s
s
uc
h
a
s
f
l
o
o
d
c
a
s
e
s
by
a
na
l
y
s
i
n
g
S
S
T
D
p
r
e
s
e
n
t
i
n
t
h
e
e
n
v
i
r
o
nm
e
n
t
a
l
h
i
s
t
o
r
i
c
a
l
d
a
t
a
.
T
h
e
r
e
f
o
r
e
,
t
h
i
s
pa
pe
r
p
r
e
s
e
n
t
s
a
n
a
pp
r
o
a
c
h
f
o
r
s
o
l
v
i
n
g
c
l
a
s
s
i
f
i
c
a
t
i
o
n
p
r
o
b
l
e
m
s
,
a
d
a
pt
i
v
e
l
y
a
ppl
i
e
d
f
o
r
a
s
s
e
s
s
m
e
n
t
o
f
f
l
oo
d
r
i
s
ks
b
y
us
i
n
g
e
v
o
l
v
i
n
g
S
p
i
ki
ng
N
e
ura
l
N
e
t
w
o
r
ks
m
e
t
h
o
ds
.
T
h
e
s
ub
j
e
c
t
i
n
v
o
l
ve
s
5
y
e
a
r
s
e
n
v
i
r
o
n
m
e
n
t
a
l
-
r
e
l
a
t
e
d
t
e
m
po
ra
l
da
t
a
(f
r
o
m
2012
u
n
t
i
l
2016)
of
K
ua
l
a
K
ra
i
i
n
K
e
l
a
n
t
a
n,
M
a
l
a
y
s
i
a
.
T
hi
s
a
rt
i
c
l
e
a
s
s
um
e
s
l
e
s
s
p
ri
o
r
k
n
o
w
l
e
dge
o
n
d
a
t
a
m
o
de
l
l
i
n
g
t
e
c
hn
i
q
ue
s
a
n
d
n
e
u
ra
l
n
e
t
w
o
r
k
ge
n
e
ra
t
i
o
n
s
.
D
at
a
Mode
l
l
i
ng
T
e
c
hni
q
ue
s
G
l
obal
Mode
l
l
i
ng
—
de
f
i
n
e
d
b
y
a
s
i
n
gl
e
f
un
c
t
i
o
n
f
o
r
t
h
e
w
h
o
l
e
p
r
o
b
l
e
m
s
p
a
c
e
[2
,
21]
,
gl
o
b
a
l
m
o
de
l
l
i
ng
i
s
a
pp
l
i
e
d
i
n
a
l
go
r
i
t
h
m
s
s
uc
h
a
s
i
n
S
u
ppo
rt
V
e
c
t
o
r
M
a
c
hi
n
e
(
S
V
M
)
a
n
d
M
ul
t
i
-
L
a
y
e
r
P
e
r
c
e
pt
r
o
n
(M
L
P
).
S
V
M
c
o
n
s
i
s
t
s
o
f
a
ke
r
n
e
l
f
un
c
t
i
o
n
,
b
a
s
i
c
a
l
l
y
a
n
e
qu
a
t
i
o
n
w
hi
c
h
di
v
i
de
s
da
t
a
v
e
c
t
o
r
s
i
n
t
o
di
f
f
e
r
e
n
t
c
l
a
s
s
e
s
b
a
s
e
d
o
n
w
h
i
c
h
a
r
e
a
t
h
e
da
t
a
v
e
c
t
o
r
f
a
l
l
s
o
n
[2,
21]
.
A
m
o
de
l
c
r
e
a
t
e
d
us
i
n
g
g
l
o
b
a
l
m
o
de
l
l
i
n
g
c
a
n
b
e
e
a
s
i
l
y
a
ppl
i
e
d
t
o
n
e
w
da
t
a
,
h
o
w
e
v
e
r
,
a
dd
i
t
i
o
na
l
k
n
o
w
l
e
dge
r
e
ga
r
d
i
n
g
t
h
e
da
t
a
s
uc
h
a
s
t
h
e
n
a
t
u
r
e
o
f
t
h
e
da
t
a
a
n
d
k
n
o
w
l
e
dge
-
da
t
a
b
a
s
e
i
s
n
a
t
u
ra
l
l
y
n
e
gl
e
c
t
e
d
i
n
gl
o
b
a
l
m
o
de
l
l
i
n
g
w
hi
c
h
c
a
us
e
s
i
n
f
o
r
m
a
t
i
o
n
l
o
s
s
[3
,
12]
.
D
ue
t
o
t
h
i
s
c
h
a
ra
c
t
e
ri
s
t
i
c
o
f
gl
ob
a
l
m
o
de
l
l
i
n
g
,
i
t
i
s
n
o
t
s
ui
t
a
b
l
e
t
o
b
e
us
e
d
t
o
a
na
l
y
s
e
t
h
e
dy
n
a
m
i
c
a
n
d
L
oc
al
Mod
e
l
l
i
n
g
—
i
nt
r
o
duc
e
d
t
o
s
o
l
v
e
pr
o
b
l
e
m
s
of
gl
o
b
a
l
m
o
de
l
l
i
n
g
,
w
h
e
r
e
l
o
c
a
l
m
o
de
l
l
i
n
g
i
s
m
o
r
e
a
da
p
t
a
b
l
e
t
o
n
e
w
da
t
a
v
e
c
t
o
r
s
[2
,
21]
.
A
c
c
o
r
di
n
g
t
o
K
a
s
a
b
ov
[3]
,
l
o
c
a
l
m
o
de
l
l
i
n
g
i
s
i
nt
r
o
duc
e
d
by
fo
r
m
i
ng
s
ub
s
e
t
s
o
f
t
h
e
w
h
o
l
e
p
r
o
b
l
e
m
s
p
a
c
e
,
h
e
n
c
e
a
w
h
o
l
e
p
r
o
b
l
e
m
s
p
a
c
e
i
s
r
e
pr
e
s
e
nt
e
d
b
y
m
ul
t
i
pl
e
s
ub
s
e
t
s
c
a
l
l
e
d
c
l
a
s
s
e
s
.
L
o
c
a
l
m
o
de
l
l
i
ng
a
l
go
r
i
t
h
m
s
i
n
c
l
ude
K
-
m
e
a
n
s
,
S
e
l
f
-
O
r
g
a
n
i
z
i
ng
M
a
ps
(S
O
M
),
F
uz
z
y
Cl
us
t
e
ri
n
g
,
a
n
d
H
i
e
r
a
r
c
hi
c
a
l
Cl
us
t
e
ri
n
g
P
e
r
s
onal
i
s
e
d
Mode
l
l
i
ng
—
c
r
e
a
t
e
d
b
a
s
e
d
o
n
a
s
i
ngl
e
po
i
nt
f
r
o
m
a
s
ub
s
e
t
o
f
t
h
e
w
h
o
l
e
p
r
o
b
l
e
m
s
p
a
c
e
,
i
n
w
h
i
c
h
e
v
e
r
y
n
e
w
da
t
a
v
e
c
t
o
r
s
c
a
n
b
e
c
l
a
s
s
i
f
i
e
d
i
n
t
o
t
h
e
i
r
c
o
r
r
e
s
po
n
di
ng
c
l
a
s
s
e
s
b
a
s
e
d
o
n
t
h
e
m
o
de
l
w
h
i
c
h
i
s
c
o
n
s
t
r
uc
t
e
d
“
o
n
t
h
e
f
l
y
”
[3,
12
,
22]
.
K
-
N
e
a
r
e
s
t
N
e
i
g
h
b
o
r
(
K
-
N
N
)
i
s
a
m
o
de
l
l
i
ng
t
e
c
hn
i
q
ue
w
h
i
c
h
f
o
r
e
v
e
r
y
n
e
w
s
a
m
pl
e
s
,
t
h
e
n
e
a
r
e
s
t
K
s
a
m
p
l
e
s
a
r
e
de
ri
v
e
d
f
r
o
m
t
h
e
d
a
t
a
s
e
t
us
i
n
g
E
uc
l
i
de
a
n
d
i
s
t
a
n
c
e
m
e
a
s
u
r
e
a
n
d
a
pe
r
s
o
n
a
l
i
z
e
d
v
o
t
i
ng
w
hi
c
h
t
h
e
n
l
a
b
e
l
s
t
h
e
s
a
m
pl
e
s
t
o
i
t
s
a
p
p
ro
pr
i
a
t
e
c
l
us
t
e
r
[3]
.
T
a
b
l
e
1
s
u
m
m
a
r
i
z
e
s
t
h
e
c
o
m
pa
ri
s
o
n
b
e
t
w
e
e
n
gl
o
b
a
l
,
l
o
c
a
l
,
a
n
d
pe
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
n
g
t
e
c
hn
i
que
s
w
h
i
c
h
h
i
g
h
l
i
g
h
t
s
o
n
t
h
e
i
m
po
r
t
a
n
t
c
r
i
t
e
r
i
a
s
uc
h
a
s
p
r
o
b
l
e
m
s
e
t
c
o
ve
r
e
d,
b
e
n
e
f
i
t
s
,
a
n
d
l
i
m
i
t
a
t
i
o
n
s
.
T
a
b
l
e
1
.
Co
m
p
a
r
i
s
o
n
b
e
t
w
e
e
n
gl
o
b
a
l
,
l
o
c
a
l
a
n
d
pe
r
s
o
n
a
l
i
s
e
d
m
o
de
l
l
i
n
g
t
e
c
hni
que
s
T
e
c
h
n
i
q
u
e
s
G
l
o
b
a
l
M
o
d
e
l
l
i
n
g
L
o
c
a
l
M
o
d
e
l
l
i
n
g
P
e
r
s
o
n
a
l
i
s
e
d
M
o
d
e
l
l
i
n
g
P
ro
b
l
e
m
S
e
t
E
n
t
i
re
p
ro
b
l
e
m
s
p
a
c
e
A
c
l
u
s
t
e
r
f
ro
m
t
h
e
e
n
t
i
r
e
p
ro
b
l
e
m
s
p
a
c
e
A
s
i
n
g
l
e
p
o
i
n
t
f
r
o
m
t
h
e
a
c
l
u
s
t
e
r
i
n
t
h
e
e
n
t
i
r
e
p
r
o
b
l
e
m
s
p
a
c
e
Re
a
s
o
n
i
n
g
T
h
e
o
ry
In
d
u
c
t
i
v
e
r
e
a
s
o
n
i
n
g
T
ra
n
s
d
u
c
t
i
v
e
r
e
a
s
o
n
i
n
g
T
ra
n
s
d
u
c
t
i
v
e
r
e
a
s
o
n
i
n
g
A
p
p
l
i
c
a
b
l
e
A
l
g
o
ri
t
h
m
s
S
V
M
K
-
m
e
a
n
s
,
S
O
M
,
F
u
z
z
y
Cl
u
s
t
e
r
i
n
g
,
H
i
e
ra
rc
h
i
c
a
l
Cl
u
s
t
e
r
i
n
g
K
-
N
N
,
W
K
-
N
N
,
W
W
K
-
NN
Be
n
e
fi
t
s
P
ro
v
i
d
e
o
v
e
r
v
i
e
w
(
b
i
g
p
i
c
t
u
r
e
)
o
f
t
h
e
k
n
o
w
l
e
d
g
e
w
i
t
h
o
u
t
k
n
o
w
i
n
g
t
h
e
d
e
t
a
i
l
s
E
a
s
i
e
r
t
o
a
d
a
p
t
n
e
w
d
a
t
a
a
n
d
p
ro
v
i
d
e
s
b
e
t
t
e
r
e
x
p
l
a
n
a
t
i
o
n
fo
r
i
n
d
i
v
i
d
u
a
l
c
a
s
e
s
N
e
w
i
n
p
u
t
d
a
t
a
c
a
n
b
e
l
a
b
e
l
e
d
t
o
i
t
s
c
o
rr
e
s
p
o
n
d
i
n
g
c
l
u
s
t
e
r
o
n
t
h
e
f
l
y
Li
m
i
t
a
t
i
o
n
s
O
ffe
r
s
l
i
m
i
t
e
d
k
n
o
w
l
e
d
g
e
t
o
b
e
e
x
t
ra
c
t
e
d
fro
m
t
h
e
o
u
t
p
u
t
d
a
t
a
;
d
i
ff
i
c
u
l
t
t
o
a
d
a
p
t
t
o
n
e
w
d
a
t
a
Re
q
u
i
r
e
s
k
n
o
w
l
e
d
g
e
o
n
n
u
m
b
e
r
o
f
a
v
a
i
l
a
b
l
e
c
l
u
s
t
e
r
s
v
i
a
i
n
p
u
t
o
r
c
l
u
s
t
e
r
i
n
i
t
i
a
l
i
z
a
t
i
o
n
;
t
h
u
s
c
a
n
n
o
t
c
o
n
s
t
ru
c
t
m
o
d
e
l
o
n
t
h
e
f
l
y
E
m
p
l
o
y
s
m
u
c
h
m
o
r
e
c
o
m
p
l
e
x
a
l
g
o
r
i
t
h
m
t
h
a
n
g
l
o
b
a
l
a
n
d
l
o
c
a
l
m
o
d
e
l
l
i
n
g
Ne
ur
al
N
e
t
w
or
k
s
G
e
ne
r
a
t
i
ons
T
he
F
i
r
s
t
G
e
n
e
r
at
i
on
o
f
Ne
ur
al
N
e
t
w
or
k
s
.
Co
n
s
i
de
r
i
ng
c
om
put
a
t
i
o
na
l
u
ni
t
s
a
r
e
us
e
d
t
o
de
f
i
n
e
t
h
e
ge
n
e
ra
t
i
o
n
s
o
f
n
e
u
ra
l
n
e
t
w
o
r
ks
,
t
h
e
n
e
t
w
o
r
ks
e
m
p
l
oy
i
n
g
t
h
e
M
c
Cul
l
o
h
-
P
i
t
t
s
n
e
u
r
o
n
s
(k
n
o
w
n
a
s
pe
r
c
e
pt
r
o
n
s
)
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2502
-
4752
In
do
n
e
s
i
a
n
J
E
l
e
c
E
ng
&
Co
m
p
S
c
i
,
V
o
l
.
1
6
,
N
o
.
1
,
O
c
t
o
b
e
r
201
9
:
222
-
229
224
i
s
t
h
e
f
i
r
s
t
ge
n
e
r
a
t
i
o
n
o
f
n
e
ura
l
n
e
t
w
o
r
ks
.
T
h
e
n
e
u
r
o
n
b
o
d
y
i
s
a
b
l
e
t
o
m
a
ke
c
a
l
c
ul
a
t
i
o
n
s
b
a
s
e
d
o
n
m
u
l
t
i
pl
e
i
n
put
s
,
p
r
o
duc
i
n
g
a
s
i
ngl
e
o
ut
pu
t
a
s
s
uc
h
i
n
pu
t
s
a
r
e
x
a
nd
y
,
n
e
u
r
o
n
b
o
d
y
pr
o
c
e
s
s
e
s
z
=
x
+
y
,
a
nd
o
ut
pu
t
i
s
z
.
I
t
i
s
c
a
pa
b
l
e
t
o
s
o
l
ve
s
i
m
pl
e
x
p
r
o
b
l
e
m
s
,
b
ut
do
e
s
n
o
t
t
o
p
r
o
v
i
de
c
o
n
di
t
i
o
ni
n
g
s
t
a
t
e
m
e
n
t
s
t
o
t
h
e
p
r
o
duc
e
d
o
ut
put
.
T
he
S
e
c
o
nd
G
e
n
e
r
at
i
on
o
f
Ne
ur
a
l
Ne
t
w
or
k
s
.
T
h
e
i
de
a
b
e
hi
n
d
t
hi
s
i
s
t
o
i
nt
e
g
r
a
t
e
a
n
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
.
E
a
c
h
n
e
u
r
o
n
r
e
c
e
i
v
e
s
m
ul
t
i
p
l
e
i
nput
s
,
p
r
o
c
e
s
s
e
d
by
t
h
e
n
e
ur
o
n
f
u
n
c
t
i
o
n,
a
n
d
a
s
t
h
e
o
ut
pu
t
v
a
l
ue
f
r
o
m
t
h
e
n
e
u
r
o
n
s
u
r
p
a
s
s
e
s
t
h
e
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
t
hr
e
s
h
o
l
d,
a
n
o
ut
pu
t
w
i
l
l
b
e
p
r
o
duc
e
d.
V
a
ri
o
us
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
c
a
n
b
e
i
n
t
e
ge
r
a
t
e
d
i
nt
o
t
h
e
n
e
u
r
o
n
i
n
c
l
ude
s
s
i
gm
o
i
d
,
R
e
c
t
i
f
i
e
d
L
i
n
e
a
r
U
n
i
t
(R
e
L
U
),
a
n
d
l
i
n
e
a
r
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
s
.
T
he
T
hi
r
d
G
e
ne
r
a
t
i
on
o
f
N
e
ur
al
Ne
t
w
or
k
s
.
S
pi
k
i
n
g
n
e
u
r
a
l
n
e
t
w
o
r
k
(S
N
N
),
e
m
p
l
oy
i
n
g
s
pi
k
i
n
g
n
e
u
r
o
n
s
(a
l
s
o
k
n
o
w
n
a
s
i
n
t
e
g
ra
t
e
-
a
nd
-
f
i
r
e
n
e
u
r
o
n
s
)
w
h
e
r
e
a
s
pi
ke
.
S
i
gna
l
i
s
e
m
i
t
t
e
d
upo
n
r
e
a
c
h
i
ng
a
s
p
i
ke
t
hr
e
s
h
o
l
d.
F
urt
h
e
r
de
t
a
i
l
s
i
s
de
s
c
r
i
b
e
d
i
n
S
e
c
t
i
o
n
1.
3
.
Spi
k
i
ng
Ne
ur
al
Ne
t
w
or
k
s
T
h
e
b
r
a
i
n
de
a
l
s
e
xt
r
e
m
e
l
y
w
e
l
l
a
s
a
s
p
a
t
i
o
-
t
e
m
po
r
a
l
i
n
f
o
rm
a
t
i
o
n
p
r
o
c
e
s
s
i
n
g,
w
h
e
r
e
w
h
e
n
p
r
e
s
e
n
t
e
d
w
i
t
h
i
n
f
o
rm
a
t
i
o
n,
c
o
m
pl
e
x
s
pa
t
i
o
-
t
e
m
po
ra
l
pa
t
h
s
a
n
d
pa
t
t
e
rn
s
a
r
e
f
o
r
m
e
d
a
c
r
o
s
s
t
h
e
b
ra
i
n
[4]
.
T
hi
s
ha
s
m
o
t
i
v
a
t
e
d
r
e
s
e
a
r
c
h
e
r
s
t
o
c
r
e
a
t
e
s
pa
t
i
o
-
t
e
m
po
ra
l
d
a
t
a
m
a
c
h
i
n
e
(S
T
D
M
)
f
o
r
p
r
o
c
e
s
s
i
n
g
S
S
T
D
i
n
f
o
r
m
a
t
i
o
n
b
a
s
e
d
o
n
t
h
e
b
r
a
i
n
p
h
y
s
i
o
l
o
g
y
.
By
i
m
i
t
a
t
i
ng
t
h
e
b
e
h
a
v
i
o
ur
o
f
t
h
e
b
r
a
i
n
a
na
l
y
s
i
n
g
d
a
t
a
a
s
c
l
o
s
e
a
s
po
s
s
i
b
l
e
,
a
da
t
a
pr
o
c
e
s
s
i
n
g
m
o
de
l
c
a
n
b
e
c
o
n
s
t
r
uc
t
e
d
—
w
hi
c
h
c
a
n
b
e
l
a
t
e
r
o
n
us
e
d
t
o
p
r
o
c
e
s
s
n
e
w
upc
o
m
i
ng
s
t
r
e
a
m
o
f
da
t
a
.
In
s
p
i
r
e
d
b
y
t
h
e
b
r
a
i
n
b
i
o
l
o
gi
c
a
l
m
e
c
h
a
ni
s
m
,
s
pi
k
i
n
g
n
e
u
ra
l
ne
t
w
o
r
ks
ha
s
b
e
e
n
i
nt
r
o
duc
e
d
a
n
d
p
r
o
v
e
n
t
o
b
e
m
o
r
e
pow
e
r
f
ul
t
h
a
n
c
o
n
v
e
n
t
i
o
n
a
l
n
e
u
r
o
n
n
e
t
w
o
r
k
m
o
de
l
s
[4,
23]
.
T
h
e
i
de
a
i
s
t
o
a
ppl
y
a
s
pi
ki
n
g
n
e
u
r
o
n
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
o
n
e
a
c
h
i
ndi
v
i
dua
l
n
e
u
r
o
n
s
i
n
a
n
e
t
w
o
r
k
—
la
t
e
r
o
n,
us
e
d
t
o
m
e
a
s
u
r
e
t
h
e
a
s
s
o
c
i
a
t
i
o
n
s
t
r
e
n
g
t
h
b
e
t
w
e
e
n
di
f
f
e
r
e
n
t
S
S
T
D
c
o
m
po
n
e
n
t
s
.
A
n
e
t
w
o
r
k
o
f
s
pi
ki
ng
n
e
u
r
o
n
s
w
i
t
h
s
pa
t
i
a
l
m
e
m
o
r
y
a
r
e
c
a
p
a
b
l
e
of
e
n
c
o
di
n
g
,
s
t
o
r
e
,
r
e
c
o
gn
i
z
e
,
a
n
d
r
e
c
a
l
l
s
p
a
t
i
a
l
i
n
f
o
r
m
a
t
i
o
n
p
a
t
t
e
rn
s
[1
,
1
0]
,
t
h
e
r
e
f
o
r
e
off
e
r
s
po
t
e
n
t
i
a
l
t
o
c
r
e
a
t
e
a
s
pa
t
i
a
l
m
e
m
o
r
y
m
o
de
l
fo
r
a
n
a
l
y
z
i
n
g
s
pi
ke
pa
t
t
e
rn
s
f
r
o
m
a
da
t
a
s
t
r
e
a
m
.
S
pi
ki
n
g
n
e
u
r
a
l
n
e
t
w
o
r
ks
h
a
v
e
s
h
o
w
n
m
a
n
y
po
s
s
i
b
l
e
i
m
pl
e
m
e
nt
a
t
i
o
n
s
i
n
v
a
ri
o
us
f
i
e
l
ds
,
a
s
f
e
a
t
u
r
e
d
i
n
K
a
s
a
b
ov
e
t
al
.
[1
,
4,
6]
–
[8,
11
,
24]
.
F
o
r
i
n
s
t
a
n
c
e
,
a
s
t
udy
[24]
ha
s
b
e
e
n
c
o
n
d
uc
t
e
d
us
i
ng
s
pi
ki
ng
n
e
u
r
a
l
n
e
t
w
o
r
k
a
r
c
hi
t
e
c
t
u
r
e
t
o
u
nde
r
s
t
a
n
d
t
h
e
f
un
c
t
i
o
n
a
l
c
ha
n
ge
s
i
n
t
h
e
b
ra
i
n
f
o
r
o
pi
a
t
e
de
pe
n
de
nt
t
r
e
a
t
m
e
nt
s
.
N
e
uCub
e
E
v
o
S
pi
ke
a
r
c
h
i
t
e
c
t
ur
e
[
4]
,
h
a
s
b
e
e
n
de
v
e
l
o
pe
d
t
o
r
e
c
o
g
ni
z
e
b
ra
i
n
s
i
g
na
l
s
pa
t
t
e
rn
f
o
r
i
n
t
e
g
ra
t
i
o
n
w
i
t
h
n
e
u
r
o
m
o
r
p
hi
c
c
o
gn
i
t
i
v
e
s
y
s
t
e
m
s
.
2.
M
ET
H
O
D
O
L
O
G
Y
E
n
v
i
r
o
n
m
e
n
t
a
l
l
y
r
e
l
a
t
e
d
da
t
a
c
o
l
l
e
c
t
e
d
i
s
f
i
r
s
t
p
r
e
pa
r
e
d
i
n
t
o
a
f
o
r
m
a
t
c
o
n
s
i
s
t
i
ng
v
a
r
i
a
b
l
e
s
a
n
d
t
h
e
i
r
c
o
r
r
e
s
po
n
di
ng
m
e
a
s
u
r
e
m
e
nt
s
(i
n
t
h
i
s
c
a
s
e
,
t
h
e
r
e
a
d
i
n
g
i
s
a
c
ui
r
e
d
o
n
da
i
l
y
b
a
s
i
s
).
T
h
e
K
u
a
l
a
K
r
a
i
r
e
a
l
-
w
o
r
l
d
r
e
a
d
i
n
g
i
n
c
l
ude
s
m
e
a
s
u
r
e
m
e
n
t
s
o
f
da
i
l
y
r
a
i
n
f
a
l
l
(
m
m
)
,
m
o
n
t
hl
y
r
a
i
n
f
a
l
l
(
m
m
),
a
v
e
r
a
ge
da
i
l
y
t
e
m
pe
r
a
t
u
r
e
(
0
C)
w
i
n
d
s
pe
e
d
(
m
s
-
1
)
,
T
h
e
l
a
s
t
c
o
l
um
n
o
f
t
h
e
m
e
a
s
u
r
e
m
e
n
t
i
s
l
a
b
e
l
l
e
d
w
i
t
h
c
l
a
s
s
e
s
,
e
i
t
h
e
r
‘H
i
g
h
-
R
i
s
k’
o
r
‘L
ow
-
R
i
s
k’,
t
o
b
e
us
e
d
f
o
r
s
upe
r
v
i
s
e
d
l
e
a
rni
n
g
.
F
i
gu
r
e
1
v
i
s
ua
l
i
s
e
s
t
h
e
s
pi
ki
n
g
n
e
u
r
a
l
n
e
t
w
o
r
k
a
r
c
hi
t
e
c
t
u
r
e
f
o
r
a
na
l
y
s
i
n
g
t
h
e
e
n
v
i
r
o
nm
e
n
t
a
l
da
t
a
.
F
i
r
s
t
,
S
S
T
D
f
o
r
m
a
t
t
e
d
da
t
a
i
s
e
n
c
o
de
d
i
nt
o
i
n
pu
t
n
e
u
r
o
n
s
w
hi
c
h
i
s
t
h
e
n
l
o
a
de
d
i
n
t
o
a
t
hr
e
e
-
di
m
e
n
s
i
o
n
a
l
d
a
t
a
a
rra
y
a
c
t
i
n
g
a
s
S
N
N
r
e
s
e
r
v
o
i
r
.
T
h
e
e
n
v
i
r
o
nm
e
nt
a
l
d
a
t
a
i
s
t
h
e
n
t
ra
i
n
e
d
us
i
ng
t
h
e
n
e
t
w
o
r
k,
w
h
e
r
e
t
h
e
S
N
N
c
l
a
s
s
i
f
i
e
r
l
a
t
e
r
o
n
c
l
a
s
s
i
fy
t
h
e
r
e
s
ul
t
i
ng
da
t
a
i
n
t
o
‘H
i
gh
-
R
i
s
k’
a
n
d
‘L
o
w
-
R
i
s
k’
c
l
a
s
s
,
de
t
e
rm
i
ni
n
g
t
h
e
c
ha
n
c
e
s
o
f
f
l
oo
di
n
g
i
n
a
c
e
rt
a
i
n
a
r
e
a
.
T
h
e
n
e
t
w
o
r
k
i
s
c
o
n
t
i
n
uo
us
l
y
o
pt
i
m
i
s
e
d
a
n
d
c
o
r
r
e
c
t
e
d
us
i
n
g
n
e
w
l
o
a
d
e
d
e
n
v
i
r
o
n
m
e
nt
a
l
d
a
t
a
,
a
n
d
a
n
o
pt
i
m
i
s
e
d
m
o
de
l
i
s
t
h
e
n
s
a
v
e
d
upo
n
a
c
h
i
e
v
i
n
g
a
s
a
t
i
s
f
a
c
t
o
r
y
r
e
s
ul
t
.
T
h
e
c
r
e
a
t
e
d
m
o
de
l
c
a
n
b
e
c
o
n
t
i
n
uo
us
l
y
a
ppl
i
e
d
t
o
f
ur
t
h
e
r
t
ra
i
n
a
nd
i
m
p
r
o
v
e
t
h
e
a
c
c
u
r
a
c
y
of
t
h
e
n
e
t
w
o
r
k
us
i
n
g
n
e
w
da
t
a
.
T
h
e
d
a
t
a
i
n
f
o
r
m
o
f
S
S
T
D
w
e
r
e
e
n
c
o
de
d
[
11
,
25]
i
nt
o
i
n
put
n
e
u
r
o
n
s
,
e
a
c
h
r
e
p
r
e
s
e
n
t
s
a
n
e
n
v
i
r
o
n
m
e
n
t
a
l
-
r
e
l
a
t
e
d
f
e
a
t
u
r
e
e
xt
ra
c
t
e
d
f
r
o
m
t
h
e
d
a
t
a
s
o
ur
c
e
.
N
e
xt
,
t
h
e
f
e
a
t
ur
e
s
a
r
e
s
t
o
c
h
a
s
t
i
c
a
l
l
y
t
r
a
n
s
m
i
t
t
e
d
a
m
o
ng
s
pa
t
i
a
l
l
y
di
s
t
r
i
b
ut
e
d
n
e
u
r
o
n
s
(
r
e
p
r
e
s
e
nt
i
ng
s
pa
t
i
a
l
c
o
m
po
n
e
n
t
)
o
n
a
t
hr
e
e
-
di
m
e
n
s
i
o
n
a
l
n
e
t
w
o
r
k
o
f
s
pi
ki
n
g
n
e
u
r
o
n
s
-
t
h
i
s
c
r
e
a
t
e
s
a
s
i
m
p
l
e
m
o
de
l
o
f
s
pi
ki
n
g
n
e
ura
l
n
e
t
w
o
r
k
f
o
r
a
na
l
y
s
i
n
g
t
h
e
i
n
pu
t
d
a
t
a
.
E
a
c
h
e
n
c
o
di
n
g
p
r
o
c
e
s
s
l
o
c
a
t
e
s
t
h
e
i
nput
n
e
u
r
o
n
s
t
o
di
f
f
e
r
e
n
t
po
s
i
t
i
o
n
s
,
p
r
o
v
i
di
n
g
di
f
f
e
r
e
n
t
c
ha
n
c
e
s
o
f
a
s
s
oc
i
a
t
i
o
n
b
e
t
w
e
e
n
i
nput
n
e
u
r
o
n
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
ng
&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
E
v
o
l
v
i
ng
s
pi
k
i
ng
ne
ur
al
ne
t
w
or
k
s
m
e
t
hods
f
or
c
l
as
s
i
f
i
c
at
i
on
pr
obl
e
m
…
(
Mohd
H
af
i
z
ul
A
f
i
f
i
A
bd
ul
l
ah
)
225
F
i
gu
r
e
1
.
A
s
p
i
ki
ng
n
e
u
ra
l
n
e
t
w
o
r
k
a
r
c
h
i
t
e
c
t
u
r
e
f
o
r
c
a
pt
u
r
i
ng
S
S
T
D
pa
t
t
e
rn
s
2.
1
.
D
ata
D
e
s
c
r
i
p
ti
o
n
D
a
t
a
s
e
t
us
e
d
c
o
v
e
r
s
h
i
s
t
o
r
i
c
a
l
e
n
v
i
r
o
n
m
e
n
t
a
l
da
t
a
f
r
o
m
2012
-
2016
(5
y
e
a
r
s
)
p
r
o
v
i
de
d
by
t
h
e
M
a
l
a
y
s
i
a
M
e
t
e
o
r
o
l
o
gi
c
a
l
D
e
p
a
r
t
m
e
nt
.
T
h
e
f
i
r
s
t
di
m
e
n
s
i
o
n
i
s
t
h
e
t
e
m
p
o
r
a
l
(
t
i
m
e
)
di
m
e
n
s
i
o
n
a
nd
t
h
e
s
e
c
o
n
d
d
i
m
e
s
i
o
n
i
s
t
h
e
r
e
a
d
i
n
g
o
f
6
f
e
a
t
u
r
e
s
,
m
e
a
s
u
r
e
d
o
n
c
e
da
i
l
y
f
o
r
5
y
e
a
r
s
b
a
s
e
d
o
n
K
u
a
l
a
K
ra
i
s
t
a
t
i
o
n;
(i
)
w
a
t
e
r
l
e
v
e
l
i
n
c
m
,
(i
i
)
da
i
l
y
r
a
i
n
f
a
l
l
i
n
m
m
,
(i
i
i
)
m
o
n
t
hl
y
r
a
i
n
f
a
l
l
i
n
m
m
,
(i
v
)
w
i
n
d
s
pe
e
d
i
n
m
s
-
1
,
(v
)
a
i
r
hu
m
i
di
t
y
i
n
pe
r
c
e
nt
a
ge
,
a
n
d
(v
i
)
t
e
m
pe
r
a
t
u
r
e
i
n
de
g
r
e
e
Ce
l
c
i
us
.
A
“
Cl
a
s
s
”
l
a
b
e
l
i
s
p
re
-
de
f
i
n
e
d
i
n
a
n
a
dd
i
t
i
o
n
a
l
c
o
l
um
n
f
o
r
s
upe
r
v
i
s
e
d
l
e
a
rn
i
ng
m
o
de
a
n
d
t
h
e
v
a
l
ue
i
s
de
t
e
rm
i
n
e
d
by
w
a
t
e
r
l
e
v
e
l
of
a
r
i
v
e
r
c
r
o
s
s
-
s
e
c
t
i
o
n
a
s
de
t
e
rm
i
n
e
d
b
y
M
a
l
a
y
s
i
a
n
M
e
t
r
e
o
l
o
gi
c
a
l
D
e
pa
r
t
m
e
nt
w
a
t
e
r
l
e
v
e
l
m
a
n
u
a
l
.
D
a
t
a
i
s
c
l
a
s
s
i
f
i
e
d
w
i
t
h
t
h
e
l
a
b
e
l
‘H
i
gh
-
R
i
s
k’
i
f
w
a
t
e
r
l
e
v
e
l
v
a
l
ue
s
ur
p
a
s
s
e
s
a
c
e
rt
a
i
n
t
hr
e
s
h
o
l
d
v
a
l
ue
(de
t
e
rm
i
n
e
d
i
n
t
h
e
m
a
n
u
a
l
),
o
t
h
e
r
w
i
s
e
‘L
ow
-
R
i
s
k’.
V
i
s
ua
l
i
s
e
d
i
n
F
i
gu
r
e
2
,
‘H
i
gh
-
R
i
s
k’
s
a
m
pl
e
s
w
e
r
e
c
r
e
a
t
e
d
w
i
t
h
14
-
d
a
y
s
t
i
m
e
l
e
n
gt
h;
d
a
y
-
14
unt
i
l
d
a
y
-
1
w
h
e
r
e
m
e
a
s
u
r
e
m
e
nt
o
f
t
h
e
6
-
f
e
a
t
u
r
e
s
pa
t
t
e
rn
s
g
r
a
dua
l
l
y
c
ha
n
ge
s
,
a
pp
r
o
a
c
hi
n
g
f
l
o
o
d
o
n
da
y
-
0.
L
ow
-
R
i
s
k
s
a
m
pl
e
s
w
e
r
e
c
r
e
a
t
e
d
by
s
e
l
e
c
t
i
ng
a
t
o
t
a
l
o
f
14
-
da
y
s
r
e
a
d
i
n
g
w
h
e
r
e
t
h
e
r
e
r
e
a
di
n
g
s
h
o
w
s
a
b
s
o
ul
ut
e
n
o
f
l
o
o
d,
i
n
w
h
i
c
h,
t
o
b
e
us
e
d
a
s
a
c
o
n
t
r
o
l
c
l
a
s
s
.
F
i
gu
r
e
2
.
T
e
m
po
ra
l
da
t
a
i
s
f
e
d
b
a
c
k
w
a
r
ds
,
f
r
o
m
d
a
y
-
12,
da
y
-
11,
a
n
d
s
o
f
o
r
t
h
a
pp
r
o
a
c
hi
n
g
f
l
o
o
d
da
y
o
n
da
y
-
0
A
ppr
o
a
c
h
i
ng
t
o
f
l
oo
d
oc
c
ur
r
e
n
c
e
da
y
,
fe
a
t
ur
e
s
m
e
a
s
u
r
e
m
e
nt
c
ha
n
ge
s
a
r
e
e
xpe
c
t
e
d
i
n
pa
t
t
e
rn
s
uc
h
:
w
a
t
e
r
l
e
v
e
l
i
n
c
r
e
a
s
e
,
d
a
i
l
y
r
a
i
n
f
a
l
l
m
e
a
s
u
r
e
m
e
n
t
s
i
n
c
r
e
a
s
e
,
a
i
r
h
u
m
i
d
i
t
y
m
e
a
s
u
r
e
m
e
nt
s
i
n
c
r
e
a
s
e
;
a
n
d
t
e
m
pe
ra
t
u
r
e
m
e
a
s
u
r
e
m
e
n
t
s
de
c
r
e
a
s
e
.
H
i
dde
n
pa
t
t
e
rn
s
m
a
y
b
e
fo
r
m
e
d
b
y
m
o
n
t
h
l
y
r
a
i
n
f
a
l
l
a
n
d
w
i
n
d
s
pe
e
d
r
e
a
d
i
n
g
.
S
pi
k
i
n
g
n
e
u
r
a
l
n
e
t
w
o
r
k
i
s
us
e
d
t
o
a
n
a
l
y
s
e
a
n
d
l
e
a
rn
t
h
e
hi
dde
n
s
p
i
ke
p
a
t
t
e
rn
s
f
r
o
m
t
h
e
e
n
v
i
r
o
nm
e
nt
da
t
a
a
nd
r
e
a
s
o
n
a
b
o
ut
t
h
e
v
a
r
i
a
b
l
e
s
c
o
m
po
un
d
w
h
i
c
h
i
n
t
o
t
a
l
,
c
a
n
b
e
us
e
d
t
o
e
s
t
i
m
a
t
e
a
nd
l
a
b
e
l
r
i
s
k
o
f
f
l
oo
di
n
g.
T
h
e
c
o
rr
e
l
a
t
i
o
n
b
e
t
w
e
e
n
t
h
e
f
e
a
t
u
r
e
s
f
o
r
m
s
a
m
o
de
l
f
o
r
p
r
o
c
e
s
s
i
n
g
a
nd
l
a
b
e
l
l
i
ng
t
h
e
n
e
w
i
n
c
o
m
i
n
g
i
n
pu
t
da
t
a
b
a
s
e
d
o
n
p
r
e
v
i
o
us
y
t
r
a
i
n
e
d
d
a
t
a
v
i
a
s
upe
r
v
i
s
e
d
a
n
d
u
n
s
upe
r
v
i
s
e
d
l
e
a
rn
i
ng.
O
v
e
r
t
h
e
f
i
v
e
y
e
a
r
s
,
7
f
l
o
o
d
o
c
c
urr
e
n
c
e
s
ha
v
e
b
e
e
n
o
b
s
e
r
ve
d,
e
n
a
b
l
i
ng
7
s
a
m
p
l
e
s
t
o
b
e
f
o
r
m
e
d
t
o
t
ra
i
n
t
h
e
n
e
t
w
o
r
k.
E
a
c
h
s
a
m
pl
e
c
o
n
s
i
s
t
s
o
f
‘H
i
gh
-
R
i
s
k’
a
n
d
‘L
o
w
-
R
i
s
k’
f
o
r
a
f
l
oo
d
c
a
s
e
s
t
udy
w
i
t
h
a
t
i
m
e
l
e
n
g
t
h
o
f
12
-
da
y
s
fo
r
r
e
a
di
ng
c
ha
n
ge
s
pa
t
t
e
rn
o
b
s
e
r
v
a
t
i
o
n.
2.
2
.
Ex
p
e
r
i
m
e
n
ta
l
P
r
o
c
e
d
u
r
e
s
E
xpe
r
i
m
e
nt
s
a
r
e
c
o
n
duc
t
e
d
i
n
s
uc
h
a
w
a
y
t
h
e
da
t
a
(p
a
t
t
e
rn)
m
o
de
l
i
s
f
i
r
s
t
c
o
n
s
t
r
uc
t
e
d,
t
h
e
n
s
i
m
ul
a
t
e
d
i
n
t
w
o
pha
s
e
s
;
(i
)
t
ra
i
ni
n
g
a
n
d
(i
i
)
t
e
s
t
i
n
g
.
T
h
e
s
i
m
ul
a
t
i
o
n
h
a
s
b
e
e
n
c
o
n
duc
t
e
d
us
i
n
g
s
e
v
e
r
a
l
a
l
go
ri
t
hm
s
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2502
-
4752
In
do
n
e
s
i
a
n
J
E
l
e
c
E
ng
&
Co
m
p
S
c
i
,
V
o
l
.
1
6
,
N
o
.
1
,
O
c
t
o
b
e
r
201
9
:
222
-
229
226
i
n
c
l
udi
ng
m
ul
t
i
l
a
y
e
r
pe
r
c
e
pt
r
o
n
(M
L
P
)
f
o
r
E
x
pe
ri
m
e
n
t
1
,
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
f
o
r
e
xpe
r
i
m
e
n
t
2,
a
nd
S
N
N
a
r
c
hi
t
e
c
t
u
r
e
w
hi
c
h
e
n
c
o
r
po
ra
t
e
s
w
kN
N
c
l
a
s
s
i
f
i
e
r
f
o
r
e
xpe
ri
m
e
nt
3.
E
xpe
r
i
m
e
nt
s
w
e
r
e
c
o
n
duc
t
e
d
by
us
i
n
g
t
h
e
c
r
e
a
t
e
d
s
a
m
p
l
e
s
a
n
d
e
xpe
ri
m
e
n
t
s
w
e
r
e
c
o
n
duc
t
e
d
t
o
a
s
s
e
s
s
t
he
r
i
s
k
o
f
f
l
o
o
d
fo
r
1
-
d
a
y
e
a
r
l
i
e
r
a
n
d
3
-
d
a
y
s
e
a
r
l
i
e
r
by
us
i
n
g
s
a
m
p
l
e
s
t
i
m
e
l
e
n
g
t
h
s
pl
i
t
a
s
s
pe
c
i
f
i
e
d
i
n
T
a
b
l
e
2.
D
uri
n
g
e
xpe
ri
m
e
nt
s
,
t
h
e
da
t
a
i
n
f
o
r
m
o
f
S
S
T
D
w
e
r
e
e
n
c
o
de
d
i
n
t
o
i
n
pu
t
n
e
u
r
o
n
s
,
e
a
c
h
r
e
p
r
e
s
e
n
t
s
a
n
e
n
v
i
r
o
n
m
e
n
t
a
l
-
r
e
l
a
t
e
d
f
e
a
t
u
r
e
e
xt
ra
c
t
e
d
f
r
o
m
t
h
e
d
a
t
a
s
o
ur
c
e
.
N
e
xt
,
t
h
e
f
e
a
t
ur
e
s
a
r
e
s
t
o
c
h
a
s
t
i
c
a
l
l
y
t
r
a
n
s
m
i
t
t
e
d
a
m
o
ng
s
pa
t
i
a
l
l
y
di
s
t
r
i
b
ut
e
d
n
e
u
r
o
n
s
(
r
e
p
r
e
s
e
nt
i
ng
s
pa
t
i
a
l
c
o
m
po
n
e
n
t
)
o
n
a
t
hr
e
e
-
di
m
e
n
s
i
o
n
a
l
n
e
t
w
o
r
k
o
f
s
pi
ki
n
g
n
e
u
r
o
n
s
-
t
h
i
s
c
r
e
a
t
e
s
a
s
i
m
p
l
e
m
o
de
l
o
f
s
pi
ki
n
g
n
e
ura
l
n
e
t
w
o
r
k
f
o
r
a
na
l
y
s
i
n
g
t
h
e
i
n
pu
t
d
a
t
a
.
E
a
c
h
e
n
c
o
di
n
g
p
r
o
c
e
s
s
l
o
c
a
t
e
s
t
h
e
i
nput
n
e
u
r
o
n
s
t
o
di
f
f
e
r
e
n
t
po
s
i
t
i
o
n
s
,
p
r
o
v
i
di
n
g
di
f
f
e
r
e
n
t
c
ha
n
c
e
s
o
f
a
s
s
oc
i
a
t
i
o
n
b
e
t
w
e
e
n
i
n
p
ut
n
e
u
r
o
n
s
,
i
n
w
h
i
c
h,
a
n
o
pt
i
m
a
l
m
a
ppi
ng
o
f
t
h
e
i
n
put
n
e
u
r
o
n
s
i
n
t
h
e
s
p
i
ki
ng
n
e
u
r
a
l
n
e
t
w
o
r
k
c
ube
c
r
e
a
t
e
s
t
h
e
o
pt
i
m
a
l
m
o
de
l
f
o
r
v
a
l
i
d
a
t
i
ng
t
h
e
v
a
r
i
a
b
l
e
s
a
s
s
o
c
i
a
t
i
o
n
s
.
T
h
e
o
ut
pu
t
f
r
o
m
t
h
e
n
e
u
r
a
l
n
e
t
w
o
r
k
c
ub
e
i
s
t
ra
n
s
m
i
t
t
e
d
t
o
a
S
N
N
c
l
a
s
s
i
f
i
e
r
w
hi
c
h
c
l
a
s
s
i
f
i
e
s
t
h
e
r
e
s
ul
t
i
n
t
o
‘H
i
g
h
-
R
i
s
k’
a
nd
‘L
o
w
-
R
i
s
k’
f
o
r
f
l
o
o
di
n
g
b
a
s
e
d
o
n
t
he
pa
t
t
e
rn
s
c
o
n
s
t
r
uc
t
e
d
us
i
n
g
p
r
e
v
i
o
us
da
y
s
.
T
h
e
o
pt
i
m
a
l
m
o
de
l
c
a
n
b
e
a
ppl
i
e
d
t
o
n
e
w
da
t
a
f
o
r
p
r
e
d
i
c
t
i
o
n
o
f
r
i
s
k
o
f
f
l
oo
di
n
g
.
In
o
r
de
r
t
o
a
c
hi
e
v
e
t
h
e
b
e
s
t
a
c
c
ur
a
c
y
po
s
s
i
b
l
e
w
i
t
h
l
e
s
s
t
i
m
e
a
n
d
r
e
s
o
ur
c
e
c
o
n
s
um
p
t
i
o
n
,
t
h
e
e
xpe
r
i
m
e
nt
s
e
xe
c
ut
i
o
n
pa
ra
m
e
t
e
r
s
ha
v
e
be
e
n
o
pt
i
m
i
z
e
d
by
u
s
i
ng
G
r
i
d
S
e
a
r
c
h
O
p
t
i
m
i
z
a
t
i
o
n
a
l
go
r
i
t
h
m
,
w
h
e
r
e
s
e
t
o
f
l
i
m
i
t
s
h
a
v
e
b
e
e
n
i
nt
r
o
duc
e
d
t
o
t
h
e
e
xpe
r
i
m
e
n
t
e
xe
c
ut
i
o
n
p
a
r
a
m
e
t
e
r
s
.
T
u
ni
n
g
t
o
f
i
n
d
t
h
e
m
o
s
t
s
ui
t
a
b
l
e
pa
r
a
m
e
t
e
r
w
i
t
h
o
ut
a
f
f
e
c
t
i
n
g
t
h
e
f
a
i
r
c
o
m
pa
ri
s
o
n
b
e
t
w
e
e
n
e
xpe
r
i
m
e
n
t
a
l
e
xe
c
ut
i
o
n
ha
s
b
e
e
n
p
r
e
p
a
r
e
d
us
i
ng
c
o
n
f
i
gur
a
t
i
o
n
a
s
p
r
e
s
e
nt
e
d
i
n
T
a
b
l
e
3
.
T
a
b
l
e
2
.
T
r
a
i
n
i
ng
a
n
d
t
e
s
t
i
ng
s
a
m
p
l
e
s
o
f
di
ff
e
r
e
n
t
t
i
m
e
l
e
n
g
t
h
a
r
e
us
e
d
t
o
f
e
e
d
t
h
e
n
e
t
w
o
r
k
w
i
t
h
e
n
v
i
r
o
n
m
e
n
t
a
l
d
a
t
a
f
o
r
a
n
e
a
rl
y
pr
e
di
c
t
i
o
n
o
f
f
l
oo
d
ri
s
k
S
a
m
p
l
e
T
y
p
e
D
a
t
a
S
p
l
i
t
T
ra
i
n
:
T
e
s
t
P
e
r
c
e
n
t
a
g
e
o
f
T
ra
i
n
e
d
D
a
t
a
/
A
l
l
(
%
)
E
a
rl
y
D
a
y
P
r
e
d
i
c
t
1
D
a
y
E
a
rl
y
S
a
m
p
l
e
1
2
:
1
2
1
0
0
.
0
0
1
3
D
a
y
s
E
a
rl
y
S
a
m
p
l
e
1
0
:
1
2
8
3
.
3
0
3
T
a
b
l
e
3
.
O
p
t
i
m
i
s
e
d
p
a
r
a
m
e
t
e
r
s
f
o
r
e
xpe
ri
m
e
nt
e
xe
c
ut
i
o
n
P
a
ra
m
e
t
e
r
U
p
p
e
r
L
i
m
i
t
O
p
t
i
m
i
s
a
t
i
o
n
L
o
w
e
r
L
i
m
i
t
O
p
t
i
m
i
s
a
t
i
o
n
O
p
t
i
m
a
l
V
a
l
u
e
A
E
R
T
h
r
e
s
h
o
l
d
1
.
0
0
.
1
0
.
5
S
m
a
l
l
W
o
r
l
d
Ra
d
i
u
s
1
.
0
5
.
0
2
.
5
S
T
D
P
Ra
t
e
0
.
0
1
0
.
1
0
0
.
0
1
F
i
ri
n
g
T
h
r
e
s
h
o
l
d
0
.
1
1
.
0
0
.
4
7
Re
f
ra
c
t
o
ry
T
i
m
e
1
10
2
o
r
7
T
i
m
e
R
o
u
n
d
s
1
10
4
o
r
5
d
e
S
N
N
M
o
d
0
.
0
1
0
.
5
0
0
.
1
5
7
d
e
S
N
N
D
ri
f
t
0
.
0
1
0
.
5
0
0
.
3
2
9
3.
R
ES
U
LTS
A
N
D
D
I
S
C
U
S
S
I
O
N
T
h
e
e
xpe
ri
m
e
n
t
ha
s
b
e
e
n
e
xe
c
ut
e
d
us
i
n
g
t
hr
e
e
di
f
f
e
r
e
n
t
a
l
go
ri
t
hm
s
;
e
xpe
r
i
m
e
n
t
1
ha
s
b
e
e
n
e
xe
c
ut
e
d
us
i
n
g
M
L
P
a
l
go
ri
t
hm
,
e
xpe
r
i
m
e
nt
2
ha
s
b
e
e
n
e
xe
c
ut
e
d
us
i
n
g
M
ul
t
i
c
l
a
s
s
Cl
a
s
s
i
f
i
c
a
t
i
o
n
a
l
go
r
i
t
h
m
,
a
nd
e
xpe
r
i
m
e
nt
3
ha
s
b
e
e
n
e
xe
c
ut
e
d
us
i
n
g
S
N
N
w
i
t
h
w
kN
N
.
T
h
e
r
e
s
ul
t
i
s
p
r
o
duc
e
d
by
c
o
m
pa
ri
n
g
t
h
e
c
o
rr
e
c
t
n
e
s
s
of
t
h
e
d
a
t
a
c
l
a
s
s
i
f
i
e
d
by
t
h
e
n
e
t
w
o
r
k
a
f
t
e
r
u
n
de
r
go
i
n
g
s
up
e
r
v
i
s
e
d
t
r
a
i
n
i
ng
a
n
d
e
xe
c
ut
e
d
o
n
u
n
s
upe
r
v
i
s
e
d
t
r
a
i
ni
n
g
b
a
s
e
d
i
n
T
r
a
i
n
:
T
e
s
t
d
a
t
a
s
p
l
i
t
o
f
12:
12
f
o
r
1
-
da
y
e
a
r
l
i
e
r
p
r
e
di
c
t
i
o
n
a
n
d
10
:
12
f
o
r
3
-
d
a
y
s
e
a
rl
i
e
r
p
r
e
d
i
c
t
i
o
n.
T
h
e
r
e
s
ul
t
i
n
F
i
gu
r
e
3
s
h
o
w
s
t
h
a
t
t
h
e
o
ve
r
a
l
l
a
c
c
ura
c
y
of
f
l
oo
d
r
i
s
k
a
s
s
e
s
s
m
e
nt
p
r
o
duc
e
d
by
M
L
P
,
m
ul
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
e
r
,
a
n
d
S
N
N
a
r
c
h
i
t
e
c
t
u
r
e
w
kN
N
.
I
n
ge
n
e
r
a
l
,
t
h
e
S
N
N
w
i
t
h
w
kN
N
c
l
a
s
s
i
f
i
e
r
ha
s
b
e
e
n
t
ra
i
n
e
d
t
o
c
r
e
a
t
e
a
pe
r
s
o
na
l
i
s
e
d
m
o
de
l
f
o
r
a
s
s
e
s
s
i
n
g
f
l
o
o
d
r
i
s
k
,
w
hi
l
e
pa
ra
m
e
t
e
r
o
pt
i
m
i
s
a
t
i
o
n
o
v
e
r
t
h
e
m
o
de
l
ha
s
a
s
s
i
s
t
e
d
i
n
p
r
o
duc
i
n
g
t
h
e
h
i
g
h
e
s
t
a
c
c
u
r
a
c
y
i
n
a
s
s
e
s
s
i
n
g
f
l
o
o
d
ri
s
k
a
s
c
o
m
pa
r
e
d
t
o
o
t
h
e
r
a
l
go
r
i
t
hm
s
.
In
t
h
i
s
r
e
s
pe
c
t
,
a
m
o
r
e
r
a
d
i
c
a
l
a
pp
r
o
a
c
h
ha
s
b
e
e
n
t
a
ke
n
t
o
(i
)
c
r
e
a
t
e
a
pe
r
s
o
n
a
l
i
s
e
d
da
t
a
m
o
de
l
a
n
d
(
i
i
)
t
o
c
r
e
a
t
e
a
d
a
t
a
s
a
m
pl
e
s
s
u
i
t
a
b
l
e
t
o
b
e
us
e
d
f
o
r
ge
n
e
r
a
t
i
ng
t
h
e
m
o
de
l
f
o
r
a
s
s
e
s
s
i
ng
t
h
e
r
i
s
k
o
f
f
l
o
o
d.
M
o
s
t
c
o
n
v
e
n
t
i
o
n
a
l
gl
o
b
a
l
m
o
de
l
l
i
n
g
t
e
c
hni
que
s
a
r
e
a
b
l
e
t
o
c
l
a
s
s
i
f
y
r
e
s
ul
t
w
i
t
h
h
i
g
h
a
c
c
ura
c
y
,
b
ut
a
t
t
h
e
s
a
m
e
t
i
m
e
l
a
c
ks
t
h
e
c
a
p
a
b
i
l
i
t
y
t
o
c
o
n
s
i
de
r
t
e
m
po
r
a
l
c
o
m
po
n
e
nt
s
i
nt
o
m
o
de
l
l
i
n
g
t
h
e
d
a
t
a
m
o
de
l
(f
o
r
o
b
s
e
r
v
i
n
g
o
c
c
urr
e
n
c
e
s
pa
t
t
e
rn
s
a
n
d
i
nt
r
o
duc
e
t
h
e
r
e
l
a
t
i
v
i
t
y
be
t
w
e
e
n
v
a
ri
a
b
l
e
s
).
Co
m
pa
r
i
s
o
n
b
e
t
w
e
e
n
r
e
s
ul
t
a
c
h
i
e
v
e
d
by
c
o
n
v
e
n
t
i
o
na
l
gl
o
b
a
l
m
o
de
l
l
i
n
g
t
e
c
hn
i
q
ue
s
w
i
t
h
t
h
e
S
N
N
w
i
t
h
w
kN
N
c
l
a
s
s
i
f
i
e
r
ha
s
de
m
o
n
s
t
r
a
t
e
d
t
h
a
t
pe
r
s
o
n
a
l
i
s
e
d
m
o
de
l
l
i
n
g
pe
r
f
o
r
m
s
b
e
t
t
e
r
t
o
p
r
o
duc
e
a
r
e
s
ul
t
w
i
t
h
hi
g
h
a
c
c
u
r
a
c
y
by
c
o
n
s
i
de
r
i
n
g
v
a
r
i
a
b
l
e
s
c
h
a
nge
pa
t
t
e
rn
s
o
v
e
r
t
e
m
po
ra
l
c
o
m
po
n
e
n
t
.
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
ng
&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
E
v
o
l
v
i
ng
s
pi
k
i
ng
ne
ur
al
ne
t
w
or
k
s
m
e
t
hods
f
or
c
l
as
s
i
f
i
c
at
i
on
pr
obl
e
m
…
(
Mohd
H
af
i
z
ul
A
f
i
f
i
A
bd
ul
l
ah
)
227
F
i
gu
r
e
3
.
R
e
s
ul
t
o
f
f
l
o
o
d
c
a
s
e
r
i
s
k
a
s
s
e
s
s
m
e
n
t
f
o
r
K
ua
l
a
K
ra
i
f
o
r
y
e
a
r
201
2
-
2016
(5Y
)
N
o
t
i
c
e
a
b
l
y
,
S
N
N
w
i
t
h
w
kN
N
h
a
s
p
r
o
duc
e
d
a
c
l
a
s
s
i
f
i
c
a
t
i
o
n
r
e
s
ul
t
w
i
t
h
t
h
e
hi
g
h
e
s
t
a
c
c
ura
c
y
a
s
c
o
m
pa
r
e
d
t
o
M
L
P
a
n
d
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
e
r
f
o
r
b
o
t
h
e
a
rl
i
e
r
1
-
da
y
a
n
d
3
-
da
y
s
pr
e
di
c
t
i
o
n
o
f
r
i
s
k
o
f
f
l
oo
d.
T
h
i
s
s
i
m
ul
a
t
i
o
n
p
r
o
v
e
s
t
ha
t
pe
r
s
o
n
a
l
i
s
e
d
m
o
de
l
l
i
ng
i
s
c
a
pa
b
l
e
o
f
pro
duc
i
n
g
a
b
e
t
t
e
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
r
e
s
ul
t
f
o
r
a
s
pe
c
i
f
i
c
us
e
c
a
s
e
a
s
c
o
m
pa
r
e
d
t
o
o
t
h
e
r
d
a
t
a
m
o
de
l
l
i
n
g
t
e
c
hn
i
q
ue
s
.
It
s
h
o
ul
d
b
e
c
l
a
ri
f
i
e
d
t
h
a
t
f
o
r
f
l
o
o
d
c
a
s
e
i
n
M
a
l
a
y
s
i
a
,
e
a
rl
y
pr
e
di
c
t
i
o
n
i
s
po
s
s
i
b
l
e
t
o
b
e
m
a
de
up
t
o
3
-
d
a
y
s
e
a
rl
y
s
i
n
c
e
f
l
oo
di
n
g
m
o
s
t
c
o
m
m
o
n
l
y
o
c
c
ur
s
due
t
o
c
o
n
t
i
n
uo
us
r
a
i
n
i
ng
f
o
r
f
e
w
da
y
s
.
O
b
s
e
r
v
a
t
i
o
n
i
n
c
ha
n
ge
s
i
n
e
n
v
i
r
o
n
m
e
n
t
a
l
v
a
r
i
a
b
l
e
s
pa
t
t
e
rn
s
us
i
n
g
S
N
N
ha
s
m
a
de
t
h
e
r
e
s
ul
t
po
s
s
i
b
l
e
.
4.
C
O
N
C
LU
S
I
O
N
T
h
e
pa
pe
r
ha
s
p
r
e
s
e
nt
e
d
a
n
e
v
o
l
v
i
n
g
S
pi
k
i
n
g
N
e
u
ra
l
N
e
t
w
or
ks
m
e
t
h
o
ds
f
o
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
p
r
o
b
l
e
m
s
w
i
t
h
a
c
a
s
e
s
t
udy
of
r
e
a
l
-
w
o
r
l
d
f
l
o
o
d
e
v
e
n
t
s
r
i
s
k
a
s
s
e
s
s
m
e
nt
.
T
h
e
r
e
s
ul
t
o
f
c
l
a
s
s
i
f
i
c
a
t
i
o
n
us
i
ng
S
N
N
w
i
t
h
w
kN
N
ha
s
s
h
o
w
n
a
s
i
g
ni
f
i
c
a
nt
i
n
c
r
e
a
s
e
i
n
a
c
c
ura
c
y
a
s
c
o
m
pa
r
e
d
t
o
t
h
e
c
o
n
v
e
n
t
i
o
na
l
M
L
P
a
nd
m
ul
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
e
r
due
t
o
t
h
e
c
a
p
a
b
i
l
i
t
y
of
t
h
e
pe
r
s
o
n
a
l
i
s
e
d
m
o
de
l
t
o
r
e
p
r
e
s
e
n
t
a
s
pe
c
i
f
i
c
c
a
s
e
s
t
ud
y
r
a
t
h
e
r
t
ha
n
t
h
e
ge
n
e
r
a
l
(g
l
o
b
a
l
)
m
o
de
l
.
P
e
r
s
o
na
l
i
s
e
d
m
o
de
l
s
c
a
n
b
e
c
r
e
a
t
e
d
t
o
r
e
p
r
e
s
e
n
t
e
a
c
h
r
e
gi
o
n
o
f
a
n
a
r
e
a
,
w
h
e
r
e
e
a
c
h
r
e
g
i
o
n
c
a
n
b
e
i
n
di
v
i
du
a
l
l
y
r
e
p
r
e
s
e
nt
e
d
a
nd
a
n
a
l
y
s
e
d.
T
h
e
o
ut
c
o
m
e
of
t
h
e
r
e
s
e
a
r
c
h
m
a
y
b
e
a
ppl
i
e
d
i
n
v
a
r
i
o
us
w
a
y
s
i
n
c
l
ud
i
n
g
de
v
e
l
o
pm
e
n
t
o
f
a
n
a
l
e
rt
s
y
s
t
e
m
t
o
pr
e
di
c
t
e
n
v
i
r
o
n
m
e
n
t
a
l
di
s
a
s
t
e
r
s
uc
h
a
s
f
l
o
o
d
oc
c
ur
r
e
n
c
e
s
.
D
e
v
e
l
o
pm
e
n
t
o
f
s
uc
h
t
e
c
hn
o
l
o
g
y
c
o
ul
d
h
e
l
p
t
o
r
e
duc
e
t
h
e
r
i
s
k
o
f
a
c
c
i
de
n
t
a
l
de
a
t
h
a
nd
p
r
o
pe
rt
y
l
o
s
s
e
s
,
by
p
rov
i
di
n
g
a
n
e
a
rl
i
e
r
a
l
e
r
t
t
o
b
e
b
r
o
a
dc
a
s
t
t
o
a
h
i
g
h
ri
s
k
a
r
e
a
.
I
n
t
hi
s
c
a
s
e
,
t
h
e
o
ut
put
v
a
l
ue
c
a
n
b
e
a
c
l
a
s
s
i
f
i
c
a
t
i
o
n
v
a
l
ue
o
r
a
r
e
g
r
e
s
s
i
o
n
v
a
l
ue
w
h
e
r
e
t
h
e
o
ut
put
v
a
l
ue
i
s
t
h
e
r
e
a
di
n
g
o
f
r
i
v
e
r
w
a
t
e
r
l
e
v
e
l
.
A
n
o
t
h
e
r
po
s
s
i
b
l
e
a
ppl
i
c
a
t
i
o
n
o
f
t
hi
s
r
e
s
e
a
r
c
h
i
s
t
o
b
e
i
n
t
e
g
ra
t
e
d
i
n
t
o
a
f
l
o
od
di
s
a
s
t
e
r
m
a
na
ge
m
e
n
t
de
c
i
s
i
o
n
s
uppo
rt
s
y
s
t
e
m
fo
r
p
r
o
pe
r
t
y
v
a
l
ua
t
i
o
n
i
n
f
l
o
o
d
a
ff
e
c
t
e
d
a
r
e
a
;
t
h
e
s
y
s
t
e
m
c
a
n
a
n
a
l
y
s
e
c
o
n
t
ri
b
ut
i
n
g
f
a
c
t
o
r
s
i
n
a
s
s
e
s
s
i
n
g
t
h
e
v
a
l
ue
o
f
p
r
o
pe
r
t
y
de
pe
n
di
n
g
o
n
t
h
e
ri
s
k
p
r
e
di
c
t
i
o
n
o
f
t
h
e
f
l
o
o
d
e
ve
n
t
.
AC
K
N
O
WL
ED
G
E
M
EN
TS
T
h
e
a
ut
h
o
r
s
w
o
ul
d
l
i
ke
t
o
a
c
k
n
o
w
l
e
dge
U
n
i
v
e
r
s
i
t
i
T
u
n
H
us
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
(U
T
H
M
)
a
n
d
M
i
n
i
s
t
r
y
of
H
i
gh
e
r
E
duc
a
t
i
o
n
(M
O
H
E
)
M
a
l
a
y
s
i
a
f
o
r
p
r
o
v
i
di
n
g
r
e
s
e
a
rc
h
f
a
c
i
l
i
t
i
e
s
a
nd
f
un
d
v
i
a
F
u
n
d
a
m
e
nt
a
l
R
e
s
e
a
r
c
h
G
ra
n
t
S
c
h
e
m
e
(F
R
G
S
)
w
i
t
h
p
r
o
j
e
c
t
c
o
de
:
F
R
G
S
/
1/
2016/
IC
T
02/
U
T
H
M
/
03/
2.
R
EF
ER
EN
C
ES
[
1]
N
.
K
a
s
a
bo
v
e
t
a
l
.
,
“
E
v
o
l
v
i
ng
s
pa
t
i
o
-
t
e
m
po
r
a
l
da
t
a
m
a
c
hi
ne
s
ba
s
e
d
o
n
t
he
N
e
uC
ube
ne
u
r
o
m
o
r
phi
c
f
r
a
m
e
w
o
r
k:
D
e
s
i
g
n
m
e
t
ho
do
l
o
gy
a
nd
s
e
l
e
c
t
e
d
a
pp
l
i
c
a
t
i
o
ns
,
”
N
e
ur
al
N
e
t
w
or
k
s
,
v
o
l
.
7
8,
no
.
D
e
c
e
m
be
r
,
pp
.
1
–
1
4,
2
015
.
[
2]
N
.
K
a
s
a
bo
v
,
“
G
l
o
ba
l
,
l
o
c
a
l
a
nd
p
e
r
s
o
na
l
i
s
e
d
m
o
de
l
i
ng
a
n
d
pa
t
t
e
r
n
d
i
s
c
o
v
e
r
y
i
n
bi
o
i
nf
o
r
m
a
t
i
c
s
:
A
n
i
nt
e
g
r
a
t
e
d
a
ppr
o
a
c
h,
”
P
at
t
e
r
n
R
e
c
o
gn
i
t
.
L
e
t
t
.
,
v
o
l
.
28,
no
.
6
,
pp.
6
73
–
6
85,
2
00
7.
[
3]
N
.
K
a
s
a
bo
v
,
“
S
o
f
t
c
o
m
put
i
ng
m
e
t
ho
ds
f
o
r
g
l
o
ba
l
,
l
o
c
a
l
a
nd
p
e
r
s
o
na
l
i
z
e
d
m
o
de
l
i
ng
a
nd
a
pp
l
i
c
a
t
i
o
ns
i
n
bi
o
i
nf
o
r
m
a
t
i
c
s
,
”
S
t
ud
.
C
om
pu
t
.
I
nt
e
l
l
.
,
v
o
l
.
1
96
,
p
p.
1
–
18
,
2
009
.
[
4]
N
.
K
a
s
a
bo
v
,
“
N
e
uC
ub
e
E
v
o
S
pi
ke
a
r
c
hi
t
e
c
t
ur
e
f
o
r
s
pa
t
i
o
-
t
e
m
po
r
a
l
m
o
de
l
l
i
ng
a
n
d
p
a
t
t
e
r
n
r
e
c
o
g
ni
t
i
o
n
o
f
br
a
i
n
s
i
g
na
l
s
,
”
L
e
c
t
.
N
o
t
e
s
C
om
pu
t
.
S
c
i
.
(
i
n
c
l
u
di
n
g
Sub
s
e
r
.
L
e
c
t
.
N
o
t
e
s
A
r
t
i
f
.
I
n
t
e
l
l
.
L
e
c
t
.
N
o
t
e
s
B
i
o
i
n
f
or
m
a
t
i
c
s
)
,
v
o
l
.
7
477
L
N
A
I
,
pp.
225
–
243
,
201
2.
1
da
y
3
da
ys
76
78
80
82
84
86
88
90
92
94
8
8
.
2
4
8
9
.
6
6
8
2
.
3
5
8
2
.
7
6
9
1
.
2
5
9
2
.
8
6
M
L
P
M
ul
t
i
c
l
a
s
s
Cl
a
s
s
i
fi
e
r
S
N
N
w
i
t
h
w
kN
N
O
ve
ra
l
l
A
c
c
ura
c
y
(%)
E
a
rl
y
P
re
di
c
t
(D
a
y
s
)
Evaluation Warning : The document was created with Spire.PDF for Python.
IS
S
N
:
2502
-
4752
In
do
n
e
s
i
a
n
J
E
l
e
c
E
ng
&
Co
m
p
S
c
i
,
V
o
l
.
1
6
,
N
o
.
1
,
O
c
t
o
b
e
r
201
9
:
222
-
229
228
[
5]
R
.
N
.
H
a
r
t
o
no
,
R
.
P
e
a
r
s
,
N
.
K
a
s
a
bo
v
,
a
n
d
S
.
P
.
W
o
r
n
e
r
,
“
E
xt
r
a
c
t
i
n
g
t
e
m
po
r
a
l
k
no
w
l
e
dg
e
f
r
o
m
t
i
m
e
s
e
r
i
e
s
:
A
c
a
s
e
s
t
udy
i
n
e
c
o
l
o
g
i
c
a
l
da
t
a
,
”
P
r
oc
.
I
nt
.
J
t
.
C
on
f
.
N
e
ur
a
l
N
e
t
w
or
k
s
,
p
p.
423
7
–
4243
,
201
4.
[
6]
M
.
O
t
hm
a
n
,
“
S
t
r
o
ke
r
i
s
k
pr
e
d
i
c
t
i
o
n
us
i
ng
S
p
i
ki
ng
N
e
u
r
a
l
N
e
t
w
o
r
k
m
e
t
ho
d,
”
K
n
ow
l
e
dge
E
ngi
ne
e
r
i
n
g
and
D
i
s
c
ov
e
r
y
R
e
s
e
ar
c
h
I
n
s
t
i
t
ut
e
-
A
U
T
,
20
15.
[
O
nl
i
ne
]
.
A
v
a
i
l
a
bl
e
:
ht
t
p
s
:
/
/
ke
d
r
i
.
a
ut
.
a
c
.
nz
/
ne
uc
ub
e
/
s
t
r
o
ke
.
[
A
c
c
e
s
s
e
d:
19
-
F
e
b
-
2019]
.
[
7]
E
.
T
u
e
t
a
l
.
,
“
N
e
uC
ub
e
(
S
T
)
f
o
r
s
pa
t
i
o
-
t
e
m
po
r
a
l
da
t
a
pr
e
di
c
t
i
v
e
m
o
de
l
l
i
ng
w
i
t
h
a
c
a
s
e
s
t
udy
o
n
e
c
o
l
o
g
i
c
a
l
da
t
a
,
”
P
r
o
c
.
I
nt
.
J
t
.
C
on
f
.
N
e
ur
a
l
N
e
t
w
or
k
s
,
no
.
A
ug
us
t
2015
,
pp
.
638
–
645
,
2014
.
[
8]
N
.
K
a
s
a
bo
v
e
t
a
l
.
,
“
E
v
o
l
v
i
ng
s
p
i
ki
ng
ne
ur
a
l
ne
t
w
o
r
ks
f
o
r
p
e
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
ng
,
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
n
d
pr
e
di
c
t
i
o
n
o
f
s
pa
t
i
o
-
t
e
m
po
r
a
l
pa
t
t
e
r
n
s
w
i
t
h
a
c
a
s
e
s
t
udy
o
n
s
t
r
o
ke
,
”
N
e
ur
oc
om
pu
t
i
ng
,
v
o
l
.
134
,
pp
.
269
–
279
,
2014
.
[
9]
M
.
O
t
hm
a
n
e
t
a
l
.
,
“
I
m
pr
o
v
e
d
pr
e
di
c
t
i
v
e
pe
r
s
o
na
l
i
z
e
d
m
o
de
l
l
i
ng
w
i
t
h
t
h
e
us
e
o
f
S
p
i
ki
ng
N
e
ur
a
l
N
e
t
w
o
r
k
s
y
s
t
e
m
a
n
d
a
c
a
s
e
s
t
u
dy
o
n
s
t
r
o
ke
o
c
c
ur
r
e
nc
e
s
d
a
t
a
,
”
P
r
oc
.
I
nt
.
J
t
.
C
on
f
.
N
e
ur
a
l
N
e
t
w
or
k
s
,
p
p.
31
97
–
3204
,
201
4.
[
10]
T
.
M
a
dl
,
K
.
C
he
n,
D
.
M
o
nt
a
l
d
i
,
a
nd
R
.
T
r
a
pp
l
,
“
C
o
m
put
a
t
i
o
na
l
c
o
g
ni
t
i
v
e
m
o
de
l
s
o
f
s
pa
t
i
a
l
m
e
m
o
r
y
i
n
na
v
i
g
a
t
i
o
n
s
pa
c
e
:
A
r
e
v
i
e
w
,
”
N
e
ur
a
l
N
e
t
w
or
k
s
,
v
o
l
.
65
,
pp.
1
8
–
43
,
201
5.
[
11]
N
.
K
.
K
a
s
a
bo
v
,
“
N
e
uC
u
be
:
A
s
pi
ki
ng
ne
ur
a
l
n
e
t
w
o
r
k
a
r
c
h
i
t
e
c
t
ur
e
f
o
r
m
a
pp
i
ng
,
l
e
a
r
n
i
ng
a
n
d
un
de
r
s
t
a
nd
i
ng
o
f
s
pa
t
i
o
-
t
e
m
po
r
a
l
br
a
i
n
d
a
t
a
,
”
N
e
ur
a
l
N
e
t
w
or
k
s
,
v
o
l
.
52
,
pp.
6
2
–
76
,
201
4.
[
12]
M
.
O
t
hm
a
n,
S
.
A
.
M
o
ha
m
e
d,
M
.
H
.
A
.
A
bdul
l
a
h,
M
.
M
.
Y
us
o
f
,
a
nd
R
.
M
o
ha
m
e
d
,
“
A
f
r
a
m
e
w
o
r
k
t
o
c
l
us
t
e
r
t
e
m
po
r
a
l
da
t
a
u
s
i
ng
pe
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
ng
a
pp
r
o
a
c
h,
”
A
dv
.
I
n
t
e
l
l
.
Sy
s
t
.
C
om
put
.
,
v
o
l
.
700
,
pp.
1
81
–
1
90,
2
018
.
[
13]
Z
.
L
i
e
t
a
l
.
,
“
S
p
a
t
i
o
-
t
e
m
po
r
a
l
f
o
r
e
c
a
s
t
i
ng
o
f
w
e
a
t
he
r
-
dr
i
v
e
n
d
a
m
a
g
e
i
n
a
di
s
t
r
i
but
i
o
n
s
y
s
t
e
m
,
”
I
E
E
E
P
ow
e
r
E
ne
r
gy
Soc
.
G
e
n.
M
e
e
t
.
,
v
o
l
.
2
015
–
S
e
p
t
e
,
2015
.
[
14]
M
.
H
.
A
.
A
bdul
l
a
h,
H
.
M
a
h
di
n,
M
.
F
.
M
.
F
udz
e
e
,
M
.
A
.
S
a
l
a
m
a
t
,
A
.
A
.
R
a
m
l
i
,
a
nd
S
.
K
a
s
i
m
,
“
A
n
i
m
p
r
o
v
e
d
c
om
put
a
t
i
o
na
l
f
r
a
m
e
w
o
r
k
u
s
i
ng
o
ne
s
t
a
g
e
f
i
l
t
r
a
t
i
o
n
by
i
nc
o
r
po
r
a
t
i
n
g
kno
w
l
e
dg
e
i
n
g
e
ne
e
xpr
e
s
s
i
o
n
c
l
us
t
e
r
i
ng
,
”
pp
.
1
–
5,
2
016
.
[
15]
W.
-
D
.
V
o
g
l
e
t
a
l
.
,
“
S
p
a
t
i
o
-
T
e
m
po
r
a
l
S
i
g
na
t
u
r
e
s
t
o
P
r
e
di
c
t
R
e
t
i
n
a
l
D
i
s
e
a
s
e
R
e
c
u
r
r
e
nc
e
,
”
I
nf
.
P
r
oc
e
s
s
.
M
e
d.
I
m
a
gi
n
g
,
v
o
l
.
24,
no
.
15
929
,
2015
.
[
16]
V
.
L
a
ks
hm
a
n
a
n
,
I
.
A
dr
i
a
n
t
o
,
T
.
S
m
i
t
h,
a
nd
G
.
S
t
um
pf
,
“
A
s
p
a
t
i
o
t
e
m
po
r
a
l
a
ppr
o
a
c
h
t
o
t
o
r
n
a
do
pr
e
di
c
t
i
o
n,
”
i
n
P
r
oc
e
e
di
ngs
o
f
t
he
I
n
t
e
r
na
t
i
ona
l
J
oi
nt
C
on
f
e
r
e
nc
e
on
N
e
ur
a
l
N
e
t
w
or
k
s
,
2005
,
v
o
l
.
3
,
pp
.
1642
–
164
7.
[
17]
[
N
.
K
a
s
a
bo
v
,
“
D
a
t
a
a
n
a
l
y
s
i
s
a
nd
P
r
e
d
i
c
t
i
v
e
S
y
s
t
e
m
s
a
nd
R
e
l
a
t
e
d
M
e
t
ho
do
l
o
g
i
e
s
-
P
e
r
s
o
na
l
i
s
e
d
T
r
a
i
t
M
o
de
l
l
i
ng
S
y
s
t
e
m
.
,
”
N
e
w
Z
e
al
.
P
at
.
N
o.
5
7203
6,
P
C
T
/
N
Z
20
09/
0002
22
,
N
Z
20
09/
0
0022
2
-
W
16
-
79
,
v
o
l
.
1
,
no
.
19,
2
008
.
[
18]
A
.
A
b.
G
ha
ni
,
C
.
K
.
C
ha
ng
,
C
.
S
.
L
e
o
w
,
a
nd
N
.
A
.
Z
a
k
a
r
i
a
,
“
S
ung
a
i
P
a
ha
ng
di
g
i
t
a
l
f
l
o
o
d
m
a
pp
i
ng
:
2007
f
l
o
o
d,
”
I
nt
.
J
.
R
i
v
e
r
B
a
s
i
n
M
a
nag
.
,
v
o
l
.
10,
no
.
2
,
pp.
1
39
–
1
48,
2
012
.
[
19]
P
.
Y
.
J
u
l
i
e
n,
a
.
A
.
G
h
a
n
i
,
N
.
a
.
Z
a
ka
r
i
a
,
R
.
A
bdul
l
a
h,
a
n
d
C
.
K
.
C
h
a
ng
,
“
C
a
s
e
S
t
udy
:
F
l
o
o
d
M
i
t
i
g
a
t
i
o
n
o
f
t
he
M
uda
R
i
v
e
r
,
M
a
l
a
y
s
i
a
,
”
J
.
H
y
d
r
au
l
.
E
n
g.
,
v
o
l
.
13
6,
no
.
4,
p
p.
25
1
–
26
1,
20
10.
[
20]
S
.
K
.
S
i
n
na
k
a
ud
a
n,
A
.
A
b
G
ha
ni
,
M
.
S
.
S
.
A
hm
a
d,
a
n
d
N
.
A
.
Z
a
k
a
r
i
a
,
“
F
l
o
o
d
r
i
s
k
m
a
ppi
ng
f
o
r
P
a
r
i
R
i
v
e
r
i
nc
o
r
po
r
a
t
i
ng
s
e
di
m
e
nt
t
r
a
ns
po
r
t
,
”
E
nv
i
r
on
.
M
ode
l
.
S
of
t
w
.
,
v
o
l
.
1
8,
no
.
2
,
pp.
1
19
–
1
30,
2
003
.
[
21]
S
.
P
a
ng
a
nd
N
.
K
a
s
a
bo
v
,
“
I
nduc
t
i
v
e
v
s
t
r
a
n
s
duc
t
i
v
e
i
nf
e
r
e
nc
e
,
g
l
o
b
a
l
v
s
l
o
c
a
l
m
o
de
l
s
:
S
V
M
,
T
S
V
M
,
a
nd
S
V
M
T
f
o
r
g
e
ne
e
x
pr
e
s
s
i
o
n
c
l
a
s
s
i
f
i
c
a
t
i
o
n
p
r
o
bl
e
m
s
,
”
I
E
E
E
I
n
t
.
C
o
nf
.
N
e
ur
al
N
e
t
w
or
k
s
-
C
o
nf
.
P
r
oc
.
,
v
o
l
.
2
,
pp
.
1
197
–
120
2,
2004
.
[
22]
M
.
H
.
A
.
A
bdul
l
a
h
,
“
C
o
m
pa
r
a
t
i
v
e
A
na
l
y
s
i
s
o
f
S
pa
t
i
o
/
S
pe
c
t
r
o
-
T
e
m
po
r
a
l
D
a
t
a
M
o
de
l
l
i
ng
T
e
c
h
ni
q
ue
s
,
”
i
n
D
at
a
E
ngi
ne
e
r
i
n
g
A
nd
I
n
f
o
r
m
at
i
on
Se
c
u
r
i
t
y
,
1s
t
e
d
.
,
P
e
ne
r
bi
t
U
T
H
M
,
20
17.
[
23]
W
.
M
a
a
s
s
,
“
N
e
t
w
o
r
ks
o
f
s
pi
ki
ng
n
e
ur
o
ns
:
t
h
e
t
hi
r
d
g
e
ne
r
a
t
i
o
n
o
f
ne
ur
a
l
n
e
t
w
o
r
k
m
o
de
l
s
,
”
N
e
ur
a
l
N
e
t
w
or
k
s
,
v
o
l
.
10
,
no
.
9
,
pp.
1
659
–
1671
,
199
7.
[
24]
E
.
C
a
pe
c
c
i
,
N
.
K
a
s
a
bo
v
,
a
nd
G
.
Y
.
W
a
ng
,
“
A
na
l
y
s
i
s
o
f
c
o
nne
c
t
i
vi
t
y
i
n
N
e
uC
ub
e
s
pi
k
i
ng
n
e
ur
a
l
ne
t
w
o
r
k
m
o
de
l
s
t
r
a
i
n
e
d
o
n
E
E
G
d
a
t
a
f
o
r
t
he
und
e
r
s
t
a
nd
i
ng
o
f
f
unc
t
i
o
na
l
c
ha
ng
e
s
i
n
t
h
e
b
r
a
i
n:
A
c
a
s
e
s
t
udy
o
n
o
pi
a
t
e
de
p
e
nd
e
nc
e
t
r
e
a
t
m
e
nt
,
”
N
e
ur
a
l
N
e
t
w
or
k
s
,
v
o
l
.
68
,
p
p.
62
–
77
,
201
5.
[
25]
E
.
T
u
,
N
.
K
a
s
a
bo
v
,
a
nd
J
.
Y
a
ng
,
“
M
a
ppi
ng
T
e
m
po
r
a
l
V
a
r
i
a
b
l
e
s
I
nt
o
t
he
N
e
uC
ube
f
o
r
I
m
pr
o
v
e
d
P
a
t
t
e
r
n
R
e
c
og
ni
t
i
o
n
,
P
r
e
d
i
c
t
i
v
e
M
o
de
l
i
ng
,
a
nd
U
nde
r
s
t
a
n
di
ng
o
f
S
t
r
e
a
m
D
a
t
a
,
”
I
E
E
E
T
r
a
ns
.
N
e
ur
al
N
e
t
w
or
k
s
L
e
ar
n.
Sy
s
t
.
,
v
o
l
.
28
,
no
.
6
,
pp.
13
05
–
1
317
,
2017
.
B
I
O
G
R
A
P
H
I
ES
O
F
A
U
T
H
O
R
S
M
o
hd
H
a
f
i
z
u
l
A
f
i
f
i
A
bdul
l
a
h
r
e
c
e
i
v
e
d
hi
s
B
a
c
he
l
o
r
i
n
C
o
m
put
e
r
S
c
i
e
nc
e
(
W
e
b
T
e
c
hno
l
o
gy
)
w
i
t
h
H
o
no
r
s
f
r
o
m
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
i
n
2017
.
H
e
i
s
c
ur
r
e
n
t
l
y
a
r
e
s
e
a
r
c
he
r
a
s
s
i
s
t
a
n
t
a
t
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
e
i
n
O
n
n
M
a
l
a
y
s
i
a
.
I
nt
e
r
e
s
t
e
d
i
n
d
a
t
a
m
i
ni
ng
,
pa
t
t
e
r
n
r
e
c
o
g
ni
t
i
o
n,
a
nd
o
ut
c
o
m
e
pr
e
di
c
t
i
o
n.
S
pe
c
i
a
l
i
z
e
s
i
n
s
pi
k
i
ng
n
e
ur
a
l
ne
t
w
o
r
k
a
nd
a
r
t
i
f
i
c
i
a
l
i
nt
e
l
l
i
g
e
nc
e
.
R
e
s
e
a
r
c
hG
a
t
e
:
ht
t
ps
:
/
/
w
w
w
.
r
e
s
e
a
r
c
hg
a
t
e
.
ne
t
/
pr
o
f
i
l
e
/
M
o
hd_H
a
f
i
z
ul
_A
f
i
f
i
_A
bdul
l
a
h
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
ng
&
Co
m
p
S
c
i
IS
S
N
:
2502
-
4752
E
v
o
l
v
i
ng
s
pi
k
i
ng
ne
ur
al
ne
t
w
or
k
s
m
e
t
hods
f
or
c
l
as
s
i
f
i
c
at
i
on
pr
obl
e
m
…
(
Mohd
H
af
i
z
ul
A
f
i
f
i
A
bd
ul
l
ah
)
229
M
uh
a
i
n
i
O
t
hm
a
n
r
e
c
e
i
v
e
d
he
r
B
a
c
he
l
o
r
i
n
I
nf
o
r
m
a
t
i
o
n
T
e
c
hno
l
o
gy
f
r
o
m
N
o
r
t
he
r
n
U
n
i
v
e
r
s
i
t
y
o
f
M
a
l
a
y
s
i
a
,
M
a
s
t
e
r
i
n
C
o
m
pu
t
e
r
S
c
i
e
nc
e
f
r
o
m
U
n
i
v
e
r
s
i
t
y
o
f
M
a
l
a
y
a
i
n
199
9
a
nd
2006
r
e
s
pe
c
t
i
v
e
l
y
a
nd
P
hD
i
n
C
o
m
put
e
r
a
nd
M
a
t
h
e
m
a
t
i
c
a
l
S
c
i
e
nc
e
f
r
o
m
A
uc
kl
a
nd
U
ni
v
e
r
s
i
t
y
of
T
e
c
hno
l
o
gy
i
n
2015
.
S
h
e
i
s
a
S
e
ni
o
r
L
e
c
t
ur
e
r
a
t
F
a
c
ul
t
y
of
C
om
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
,
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
(
U
T
H
M
)
.
H
e
r
r
e
s
e
a
r
c
h
i
nt
e
r
e
s
t
s
i
nc
l
ude
P
e
r
s
o
na
l
i
s
e
d
P
r
e
di
c
t
i
v
e
M
o
de
l
l
i
ng
,
S
pi
ki
ng
N
e
u
r
a
l
N
e
t
w
o
r
k
s
a
nd
t
h
e
r
e
p
r
e
s
e
n
t
a
t
i
o
n
o
f
s
pa
t
i
a
l
a
nd
t
e
m
po
r
a
l
da
t
a
i
n
o
nt
o
l
o
gy
-
ba
s
e
d
s
y
s
t
e
m
s
f
o
r
pe
r
s
o
na
l
i
s
e
d
de
c
i
s
i
o
n
s
u
ppo
r
t
.
M
o
r
e
i
nf
o
r
m
a
t
i
o
n
o
n
D
r
M
uha
i
n
i
c
a
n
b
e
f
o
und
o
n
F
C
S
I
T
w
e
b
s
i
t
e
:
ht
t
p:
/
/
f
s
kt
m
.
u
t
hm
.
e
d
u.
m
y
/
R
e
s
e
a
r
c
hG
a
t
e
:
ht
t
ps
:
/
/
w
w
w
.
r
e
s
e
a
r
c
hg
a
t
e
.
ne
t
/
pr
o
f
i
l
e
/
M
uh
a
i
n
i
_O
t
hm
a
n2
S
ha
h
r
e
e
n
K
a
s
i
m
i
s
a
n
A
s
s
i
s
t
a
n
t
P
r
o
f
e
s
s
o
r
f
r
o
m
t
he
D
e
pa
r
t
m
e
nt
W
e
b
T
e
c
hno
l
o
gy
,
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
e
i
n
O
nn
M
a
l
a
y
s
i
a
M
a
l
a
y
s
i
a
.
T
he
r
e
s
e
a
r
c
h
i
n
t
e
r
e
s
t
i
nc
l
ude
s
s
o
f
t
c
o
m
put
i
ng
a
n
d
bi
o
i
nf
o
r
m
a
t
i
c
s
.
R
e
s
e
a
r
c
hG
a
t
e
:
ht
t
ps
:
/
/
w
w
w
.
r
e
s
e
a
r
c
hg
a
t
e
.
ne
t
/
pr
o
f
i
l
e
/
S
h
a
h
r
e
e
n
_K
a
s
i
m
S
i
t
i
A
i
s
y
a
h
b
i
nt
i
M
o
ha
m
e
d
i
s
a
g
r
a
du
a
t
e
s
t
u
de
n
t
o
f
B
a
c
he
l
o
r
i
n
I
nf
o
r
m
a
t
i
o
n
T
e
c
hno
l
o
gy
f
r
o
m
U
ni
v
e
r
s
i
t
i
T
un
H
us
s
i
e
n
O
n
n
M
a
l
a
y
s
i
a
(
U
T
H
M
)
.
S
h
e
i
s
c
ur
r
e
nt
l
y
pur
s
ui
ng
m
a
s
t
e
r
s
t
udy
b
y
r
e
s
e
a
r
c
h
a
t
U
T
H
M
i
n
w
h
i
c
h
s
pe
c
i
a
l
i
z
e
s
a
t
p
e
r
s
o
na
l
i
s
e
d
m
o
de
l
l
i
ng
o
f
t
e
m
po
r
a
l
d
a
t
a
i
n
c
l
us
t
e
r
i
ng
a
pp
r
o
a
c
h.
F
ur
t
h
e
r
c
o
nc
e
r
ne
d
t
o
pi
c
i
s
i
n
t
he
d
e
e
p
l
e
a
r
n
i
ng
s
t
u
dy
o
n
S
pi
ki
ng
N
e
u
r
a
l
N
e
t
w
o
r
k
o
f
t
e
m
po
r
a
l
d
a
t
a
,
f
e
a
t
u
r
e
s
s
e
l
e
c
t
i
o
n,
a
nd
c
l
us
t
e
r
i
ng
a
pp
r
o
a
c
h.
R
e
s
e
a
r
c
hG
a
t
e
:
ht
t
ps
:
/
/
w
w
w
.
r
e
s
e
a
r
c
hg
a
t
e
.
ne
t
/
pr
o
f
i
l
e
/
S
i
t
i
_
M
o
ha
m
e
d
15
Evaluation Warning : The document was created with Spire.PDF for Python.