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
.
22
,
N
o
.
1
,
A
p
r
i
l
202
1
,
p
p.
187
~
195
IS
S
N
:
25
0
2
-
4752
,
D
O
I
:
10.
1
1591
/
i
j
e
e
c
s
.
v
22
.i
1
.
pp
187
-
195
187
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
M
u
l
t
i
m
o
d
a
l
b
i
o
m
e
t
r
i
c
s
o
f
f
i
n
g
e
r
p
r
i
n
t
a
n
d
si
g
n
a
t
u
r
e
r
e
c
o
g
n
i
t
i
o
n
u
si
n
g
m
u
l
t
i
-
l
e
v
e
l
f
e
a
t
u
r
e
f
u
si
o
n
a
n
d
d
e
e
p
l
e
a
r
n
i
n
g
t
e
c
h
n
i
q
u
e
s
A
r
ju
n
Be
n
agatt
e
C
h
an
n
e
go
w
d
a
1
,
H
N
P
r
a
k
as
h
2
1
D
e
pa
r
t
m
e
n
t
o
f
I
nf
o
r
m
a
t
i
o
n
S
c
i
e
nc
e
a
nd
E
ng
i
ne
e
r
i
ng
,
R
a
j
e
e
v
I
ns
t
i
t
ut
e
o
f
T
e
c
hno
l
o
gy
(
R
I
T
)
,
A
f
f
i
l
i
a
t
e
d
t
o
V
i
s
v
e
s
v
a
r
a
y
a
T
e
c
hno
l
o
g
i
c
a
l
U
ni
v
e
r
s
i
t
y
(
V
T
U
)
,
K
a
r
na
t
a
k
a
,
I
ndi
a
2
D
e
pa
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
a
nd
E
ng
i
n
e
e
r
i
ng
,
R
a
j
e
e
v
I
ns
t
i
t
u
t
e
o
f
T
e
c
hno
l
o
gy
(
R
I
T
)
,
V
i
s
v
e
s
v
a
r
a
y
a
T
e
c
hno
l
o
g
i
c
a
l
U
ni
v
e
r
s
i
t
y
(
V
T
U
)
,
K
a
r
na
t
a
k
a
,
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
D
e
c
1
0
,
2020
R
e
v
i
s
e
d
M
a
r
1
,
202
1
A
c
c
e
pt
e
d
M
a
r
12
,
202
1
P
r
o
v
i
di
ng
s
e
c
ur
i
t
y
i
n
bi
o
m
e
t
r
i
c
s
i
s
t
he
m
a
j
o
r
c
ha
l
l
e
ng
i
ng
t
a
s
k
i
n
t
he
c
ur
r
e
n
t
s
i
t
ua
t
i
o
n.
A
l
o
t
o
f
r
e
s
e
a
r
c
h
w
o
r
k
i
s
g
o
i
ng
o
n
i
n
t
h
i
s
a
r
e
a
.
S
e
c
u
r
i
t
y
c
a
n
be
m
o
r
e
t
i
g
ht
e
n
e
d
by
us
i
ng
c
o
m
pl
e
x
s
e
c
ur
i
t
y
s
y
s
t
e
m
s
,
l
i
k
e
by
us
i
ng
m
o
r
e
t
h
a
n
o
ne
bi
o
m
e
t
r
i
c
t
r
a
i
t
f
o
r
r
e
c
o
g
ni
t
i
o
n.
I
n
t
hi
s
pa
pe
r
m
u
l
t
i
m
o
da
l
bi
o
m
e
t
r
i
c
m
o
de
l
s
a
r
e
de
v
e
l
o
pe
d
t
o
i
m
p
r
o
v
e
th
e
r
e
c
o
g
ni
t
i
o
n
r
a
t
e
o
f
a
pe
r
s
o
n.
T
he
c
om
bi
na
t
i
o
n
o
f
ph
y
s
i
o
l
og
i
c
a
l
a
nd
be
ha
v
i
o
r
a
l
bi
o
m
e
t
r
i
c
s
c
ha
r
a
c
t
e
r
i
s
t
i
c
s
i
s
us
e
d
i
n
t
h
i
s
w
o
r
k.
F
i
ng
e
r
pr
i
n
t
a
n
d
S
i
g
na
t
u
r
e
bi
o
m
e
t
r
i
c
s
c
ha
r
a
c
t
e
r
i
s
t
i
c
s
a
r
e
us
e
d
t
o
de
v
e
l
o
p
a
m
ul
t
i
m
o
da
l
r
e
c
o
g
ni
t
i
o
n
s
y
s
t
e
m
.
H
i
s
t
o
g
r
a
m
s
of
o
r
i
e
n
t
e
d
g
r
a
di
e
nt
s
(
H
O
G
)
f
e
a
t
ur
e
s
a
r
e
e
x
t
r
a
c
t
e
d
f
r
o
m
bi
o
m
e
t
r
i
c
t
r
a
i
t
s
a
nd
f
o
r
t
he
s
e
f
e
a
t
u
r
e
f
u
s
i
o
ns
a
r
e
a
pp
l
i
e
d
a
t
t
w
o
l
e
v
e
l
s
.
F
e
a
t
ur
e
s
o
f
F
i
ng
e
r
pr
i
nt
a
nd
S
i
g
na
t
u
r
e
s
a
r
e
f
us
e
d
us
i
ng
c
o
n
c
a
t
e
na
t
i
o
n,
s
um
,
m
a
x
,
m
i
n
,
a
nd
p
r
o
duc
t
r
ul
e
a
t
m
ul
t
i
l
e
v
e
l
s
t
a
g
e
s
,
t
h
e
s
e
f
e
a
t
ur
e
s
a
r
e
u
s
e
d
t
o
t
r
a
i
n
d
e
e
p
l
e
a
r
ni
ng
ne
ur
a
l
ne
t
w
o
r
k
m
o
de
l
.
I
n
t
he
pr
o
po
s
e
d
w
o
r
k,
M
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
f
o
r
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
w
i
t
h
a
d
e
e
p
l
e
a
r
n
i
ng
c
l
a
s
s
i
f
i
e
r
i
s
us
e
d
a
nd
r
e
s
u
l
t
s
a
r
e
a
na
l
y
z
e
d
b
y
a
v
a
r
y
i
ng
num
be
r
o
f
hi
dde
n
ne
ur
o
ns
a
n
d
hi
dd
e
n
l
a
y
e
r
s
.
Ex
pe
r
i
m
e
nt
s
a
r
e
c
a
r
r
i
e
d
o
ut
o
n
S
D
U
M
L
A
-
H
M
T
,
m
a
c
hi
ne
l
e
a
r
ni
n
g
a
nd
da
t
a
m
i
ni
ng
l
a
b,
S
ha
ndo
ng
U
ni
v
e
r
s
i
t
y
f
i
ng
e
r
pr
i
nt
da
t
a
s
e
t
s
,
a
nd
M
C
Y
T
s
i
g
na
t
u
r
e
bi
o
m
e
t
r
i
c
r
e
c
o
g
ni
t
i
o
n
g
r
o
up
d
a
t
a
s
e
t
s
,
a
nd
e
nc
o
ur
a
g
i
ng
r
e
s
ul
t
s
w
e
r
e
o
bt
a
i
n
e
d
.
Ke
y
w
or
d
s
:
D
e
e
p
N
e
ur
a
l
N
e
t
w
o
r
k
F
e
a
t
u
r
e
F
us
i
o
n
F
i
nge
r
p
ri
nt
M
ul
t
i
m
o
da
l
B
i
o
m
e
t
ri
c
s
S
i
g
n
a
t
u
r
e
T
hi
s
i
s
an
ope
n
ac
c
e
s
s
ar
t
i
c
l
e
u
nde
r
t
he
C
C
B
Y
-
SA
l
i
c
e
ns
e
.
Cor
r
e
s
pon
di
n
g
Au
t
h
or
:
A
r
j
u
n
B
C
D
e
pa
rt
m
e
n
t
o
f
In
f
o
r
m
a
t
i
o
n
S
c
i
e
n
c
e
a
n
d
E
ngi
n
e
e
r
i
n
g
V
i
s
v
e
s
v
a
r
a
y
a
T
e
c
hn
o
l
o
gi
c
a
l
U
n
i
v
e
r
s
i
t
y
(V
T
U
)
R
a
j
e
e
v
In
s
t
i
t
u
t
e
o
f
T
e
c
hn
o
l
o
g
y
,
B
M
By
pa
s
s
r
o
a
d,
I
n
dus
t
r
i
a
l
a
r
e
a
,
H
a
s
s
a
n
-
57320
1,
K
a
rna
t
a
k
a
,
I
n
d
i
a
E
m
a
i
l
:
b
c
.
a
r
j
u
n@
g
m
a
i
l
.
c
o
m
1.
I
N
TR
O
D
U
C
TI
O
N
In
t
o
da
y
’s
w
o
r
l
d
,
a
l
m
o
s
t
a
l
l
s
e
c
ur
i
t
y
s
y
s
t
e
m
s
a
r
e
us
i
n
g
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
t
e
c
hn
i
que
s
.
B
i
o
m
e
t
ri
c
r
e
c
o
gn
i
t
i
o
n
h
a
s
b
e
c
o
m
e
t
h
e
da
y
-
to
-
da
y
a
c
t
i
v
i
t
y
fo
r
a
b
i
gge
r
po
pul
a
t
i
o
n.
D
a
i
l
y
us
a
ge
l
i
ke
a
m
o
b
i
l
e
p
h
o
n
e
t
o
b
a
n
k
l
o
c
ke
r
a
l
l
t
h
e
s
y
s
t
e
m
s
a
r
e
i
nt
e
gra
t
e
d
w
i
t
h
b
i
o
m
e
t
ri
c
s
e
c
ur
i
t
y
.
In
t
h
e
c
o
m
i
n
g
d
a
y
s
,
t
h
e
s
e
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
s
y
s
t
e
m
s
w
i
l
l
b
e
i
n
a
l
m
o
s
t
a
l
l
t
h
e
a
r
e
a
s
o
f
o
ur
da
y
-
to
-
da
y
a
c
t
i
v
i
t
y
.
By
i
n
c
r
e
a
s
i
n
g
us
a
ge
of
s
uc
h
a
s
y
s
t
e
m
w
i
t
h
a
n
i
n
c
r
e
a
s
e
i
n
po
pul
a
t
i
o
n
,
r
e
c
o
gn
i
t
i
o
n
w
i
l
l
b
e
c
om
e
m
o
r
e
c
o
m
pl
e
x
d
a
y
by
da
y
.
A
L
o
t
of
r
e
s
e
a
r
c
h
is
go
i
n
g
o
n
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n.
S
i
n
c
e
by
us
i
ng
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
t
ra
i
t
s
m
o
r
e
s
e
c
ur
e
d
s
y
s
t
e
m
c
a
n
b
e
de
ve
l
o
pe
d
ov
e
r
a
u
ni
m
o
da
l
b
i
o
m
e
t
r
i
c
s
y
s
t
e
m
[1].
W
h
e
n
i
t
c
o
m
e
s
t
o
b
i
o
m
e
t
r
i
c
t
ra
i
t
s
t
w
o
f
a
c
t
o
r
s
a
r
e
c
o
n
s
i
de
r
e
d
,
o
n
e
i
s
a
n
e
xt
r
i
n
s
i
c
f
e
a
t
ur
e
a
n
d
a
n
o
t
h
e
r
o
n
e
i
n
t
ri
n
s
i
c
f
e
a
t
u
r
e
.
T
h
e
E
xt
ri
n
s
i
c
f
e
a
t
u
r
e
s
c
a
n
b
e
v
i
s
i
b
l
e
f
r
o
m
t
h
e
o
ut
s
i
de
a
nd
t
h
e
s
e
fe
a
t
u
r
e
s
c
a
n
b
e
h
a
rm
e
d
by
e
xt
e
r
na
l
f
a
c
t
o
r
s
[2]
.
E
xa
m
pl
e
f
i
n
ge
r
p
r
i
nt
,
f
a
c
e
,
e
t
c
.
c
a
n
b
e
ha
rm
e
d
i
n
t
h
e
a
c
c
i
de
n
t
.
T
h
e
I
nt
r
i
n
s
i
c
f
e
a
t
u
r
e
s
c
a
nn
o
t
b
e
v
i
s
i
b
l
e
f
r
o
m
t
h
e
o
ut
s
i
de
a
nd
t
h
e
s
e
f
e
a
t
u
r
e
s
c
a
nn
o
t
b
e
h
a
rm
e
d
by
e
xt
e
rn
a
l
f
a
c
t
o
r
s
.
E
xa
m
pl
e
f
i
nge
r
v
e
i
n,
pa
l
m
v
e
i
n
,
e
t
c
.
A
n
d
b
i
o
m
e
t
r
i
c
t
ra
i
t
s
a
r
e
b
r
o
a
dl
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
ng
&
Co
m
p
S
c
i
,
V
o
l
.
22
,
N
o
.
1
,
A
p
r
i
l
20
21
:
187
-
195
188
c
l
a
s
s
i
f
i
e
d
a
s
p
h
y
s
i
o
l
o
gi
c
a
l
a
n
d
b
e
h
a
v
i
o
ra
l
b
i
o
m
e
t
r
i
c
s
c
ha
r
a
c
t
e
r
i
s
t
i
c
s
,
w
h
e
r
e
t
h
e
f
a
c
e
,
f
i
nge
r
p
ri
n
t
,
i
r
i
s
,
e
t
c
.
f
a
l
l
unde
r
p
h
y
s
i
o
l
o
gi
c
a
l
c
h
a
ra
c
t
e
ri
s
t
i
c
s
a
n
d
s
i
g
n
a
t
u
r
e
,
v
o
i
c
e
a
n
d
g
a
i
t
.
f
a
l
l
u
n
de
r
b
e
h
a
v
i
o
r
a
l
b
i
o
m
e
t
ri
c
s
c
h
a
ra
c
t
e
ri
s
t
i
c
s
.
T
h
e
B
i
o
m
e
t
ri
c
r
e
c
o
gn
i
t
i
o
n
s
y
s
t
e
m
i
s
de
s
i
gn
e
d
us
i
n
g
f
o
ur
c
o
m
po
n
e
n
t
s
t
h
e
y
a
r
e
,
s
e
n
s
o
r
m
o
dul
e
,
f
e
a
t
u
r
e
e
xt
r
a
c
t
i
o
n
m
o
dul
e
,
m
a
t
c
hi
n
g
m
o
dul
e
,
a
n
d
de
c
i
s
i
o
n
-
m
a
ki
n
g
m
o
dul
e
.
B
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
s
y
s
t
e
m
s
a
r
e
c
a
t
e
go
r
i
z
e
d
i
nt
o
t
w
o
s
y
s
t
e
m
s
o
n
e
i
s
uni
m
o
da
l
a
n
d
a
n
o
t
h
e
r
i
s
a
m
u
l
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
s
y
s
t
e
m
.
U
n
i
m
o
da
l
us
e
s
s
i
n
g
l
e
b
i
o
m
e
t
r
i
c
t
r
a
i
t
s
w
h
e
r
e
m
ul
t
i
m
o
da
l
us
e
s
m
o
r
e
t
h
a
n
o
n
e
b
i
o
m
e
t
r
i
c
t
ra
i
t
.
S
o
m
e
of
t
h
e
un
i
m
o
da
l
b
i
o
m
e
t
ri
c
s
y
s
t
e
m
s
a
r
e
e
xpl
o
r
e
d
i
n
p
r
e
v
i
o
us
w
or
k
o
n
f
a
c
e
a
n
d
s
i
g
n
a
t
u
r
e
s
b
i
o
m
e
t
r
i
c
t
ra
i
t
s
[3,
4].
In
a
m
u
l
t
i
m
o
da
l
s
y
s
t
e
m
,
a
f
us
i
o
n
o
f
m
o
r
e
t
h
a
n
o
n
e
b
i
o
m
e
t
r
i
c
t
ra
i
t
c
o
ul
d
b
e
e
xpl
o
r
e
d.
F
us
i
o
n
c
o
ul
d
b
e
e
xpl
o
r
e
d
at
di
f
f
e
r
e
n
t
l
e
v
e
l
s
.
F
us
i
o
n
f
a
l
l
un
de
r
f
o
ur
di
f
fe
r
e
n
t
l
e
v
e
l
s
t
h
e
y
a
r
e
s
e
n
s
o
r
,
f
e
a
t
ur
e
,
s
c
o
r
e
,
a
n
d
de
c
i
s
i
o
n
.
R
e
c
e
n
t
r
e
s
e
a
r
c
h
i
s
m
o
r
e
a
t
t
r
a
c
t
i
v
e
t
ow
a
r
ds
t
h
e
us
e
o
f
t
h
e
de
e
p
l
e
a
rni
n
g
m
e
t
h
o
d
s
i
n
c
e
i
t
c
a
n
ha
n
dl
e
l
i
m
i
t
a
t
i
o
n
s
t
ha
t
a
r
e
f
a
c
i
n
g
b
y
m
a
c
h
i
n
e
l
e
a
rni
n
g
t
e
c
hn
i
q
ue
s
[
5
-
7
].
I
n
t
h
e
p
r
o
p
o
s
e
d
w
o
r
k
,
a
n
e
w
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
m
o
da
l
i
s
e
xpl
o
r
e
d,
w
h
i
c
h
us
e
s
m
ul
t
i
-
l
e
v
e
l
H
O
G
f
e
a
t
ur
e
f
us
i
o
n
of
s
i
gn
a
t
u
r
e
a
n
d
f
i
n
ge
r
p
r
i
nt
w
i
t
h
de
e
p
l
e
a
rn
i
ng
a
l
go
r
i
t
h
m
f
o
r
r
e
c
o
gn
i
t
i
o
n.
Co
n
v
o
l
ut
i
o
n
n
e
u
r
a
l
n
e
t
w
o
r
ks
(CN
N
s
)
[8]
a
r
e
de
s
i
gn
e
d
a
n
d
a
s
o
f
t
m
a
x
c
l
a
s
s
i
f
i
e
r
i
s
us
e
d
f
o
r
i
m
a
ge
c
l
a
s
s
i
f
i
c
a
t
i
o
n
.
A
da
m
o
pt
i
m
i
z
a
t
i
o
n
a
n
d
c
a
t
e
go
r
i
c
a
l
c
r
o
s
s
-
e
n
t
r
o
py
w
e
r
e
us
e
d
a
s
o
pt
i
m
i
z
e
r
a
n
d
l
o
s
s
f
un
c
t
i
o
n
r
e
s
pe
c
t
i
v
e
l
y
.
2.
LI
TER
A
TU
R
E
S
U
R
V
E
Y
A
L
o
t
of
r
e
s
e
a
r
c
h
i
s
go
i
n
g
o
n
f
or
de
c
a
de
s
o
n
uni
m
o
da
l
a
n
d
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
r
e
c
o
gn
i
t
i
o
n.
I
n
t
h
e
pa
s
t
f
e
w
y
e
a
r
s
due
t
o
t
h
e
a
dv
a
n
c
e
m
e
nt
o
f
t
e
c
h
n
o
l
o
g
y
i
n
c
o
m
put
e
r
ha
r
dw
a
r
e
,
de
e
p
l
e
a
rni
n
g
c
o
n
c
e
pt
s
a
r
e
ga
i
ni
n
g
m
o
r
e
i
nt
e
r
e
s
t
in
r
e
s
e
a
r
c
h.
U
s
i
n
g
t
h
e
de
e
p
l
e
a
rn
i
ng
t
e
c
h
ni
que
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
a
n
d
v
e
r
i
f
i
c
a
t
i
o
n
s
h
o
w
e
d
b
e
t
t
e
r
r
e
s
ul
t
s
[
9
]
s
h
o
w
n
i
n
T
a
b
l
e
1
.
I
n
t
h
i
s
p
a
pe
r
f
i
n
ge
r
p
r
i
nt
a
n
d
s
i
g
n
a
t
u
r
e
,
b
i
o
m
e
t
r
i
c
t
ra
i
t
s
a
r
e
c
o
n
s
i
de
r
e
d,
s
o
p
r
e
v
i
o
us
w
o
r
ks
o
n
f
i
nge
r
p
ri
nt
a
nd
s
i
g
na
t
ur
e
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
a
n
d
v
e
r
i
f
i
c
a
t
i
o
n
a
r
e
c
o
m
pa
r
e
d
i
n
b
o
t
h
u
ni
m
o
da
l
a
n
d
m
u
l
t
i
m
o
da
l
s
y
s
t
e
m
s
.
T
a
b
l
e
1
.
P
r
e
v
i
o
us
w
o
r
k
o
n
M
ul
t
i
m
o
da
l
B
i
o
m
e
t
ri
c
s
i
de
n
t
i
f
i
c
a
t
i
o
n
us
i
n
g
de
e
p
l
e
a
rni
n
g
Ti
tl
e
D
e
e
p
Le
a
r
n
i
n
g
A
r
c
h
i
te
c
tu
r
e
D
a
ta
s
e
t
R
e
s
u
l
ts
M
u
l
t
i
m
o
d
a
l
F
a
c
e
Bi
o
m
e
t
ri
c
s
b
y
U
s
i
n
g
Co
n
v
o
l
u
t
i
o
n
a
l
N
e
u
ra
l
N
e
t
w
o
rk
s
[
10
]
S
e
l
f
-
d
e
s
i
g
n
e
d
CN
N
M
u
l
t
i
-
P
IE
9
8
.
3
5
%
a
c
c
u
ra
c
y
A
u
d
i
o
-
V
i
s
u
a
l
S
p
e
a
k
e
r
R
e
c
o
g
n
i
t
i
o
n
v
i
a
M
u
l
t
i
-
m
o
d
a
l
C
o
rr
e
l
a
t
e
d
N
e
u
ra
l
N
e
t
w
o
rk
s
[
11
]
S
e
l
f
-
d
e
s
i
g
n
e
d
CN
N
V
i
d
e
o
s
f
r
o
m
T
v
s
e
ri
e
s
n
a
m
i
n
g
"
F
ri
e
n
d
s
.
"
9
7
.
8
5
%
a
c
c
u
ra
c
y
A
N
o
v
e
l
M
u
l
t
i
-
M
o
d
e
l
Bi
o
m
e
t
ri
c
F
u
s
i
o
n
A
p
p
ro
a
c
h
U
s
i
n
g
P
a
l
m
-
P
ri
n
t
&
F
a
c
e
B
i
o
m
e
t
r
i
c
[
12
]
N
N
a
n
d
S
V
M
S
a
m
p
l
e
I
m
a
g
e
s
Cu
m
u
l
a
t
i
v
e
m
a
t
c
h
s
c
o
re
g
o
o
d
r
e
s
u
l
t
s
.
M
u
l
t
i
m
o
d
a
l
Bi
o
m
e
t
ri
c
A
u
t
h
e
n
t
i
c
a
t
i
o
n
U
s
i
n
g
Ba
c
k
P
ro
p
a
g
a
t
i
o
n
A
rt
i
f
i
c
i
a
l
N
e
u
ra
l
N
e
t
w
o
rk
[1
3
]
A
N
N
c
l
a
s
s
i
f
i
c
a
t
i
o
n
S
a
m
p
l
e
I
m
a
g
e
s
9
8
.
3
4
%
a
c
c
u
ra
c
y
M
u
l
t
i
m
o
d
a
l
F
e
a
t
u
r
e
L
e
v
e
l
F
u
s
i
o
n
b
a
s
e
d
o
n
P
a
rt
i
c
l
e
S
w
a
r
m
O
p
t
i
m
i
z
a
t
i
o
n
w
i
t
h
D
e
e
p
T
ra
n
s
fe
r
L
e
a
r
n
i
n
g
[1
4
]
M
o
d
i
fi
e
d
V
G
G
N
ICE
.
II
d
a
t
a
b
a
s
e
Co
m
p
e
t
i
t
i
o
n
5
.
5
5
%
E
E
R
F
K
P
a
n
d
Iri
s
Ba
s
e
d
M
u
l
t
i
m
o
d
a
l
Bi
o
m
e
t
ri
c
S
y
s
t
e
m
U
s
i
n
g
P
C
A
w
i
t
h
N
F
N
N
[1
5
]
N
e
u
ro
-
F
u
z
z
y
N
e
u
ra
l
N
e
t
w
o
rk
s
(N
F
N
N
)
P
o
l
y
U
F
K
P
a
n
d
CA
S
I
A
Iri
s
d
a
t
a
b
a
s
e
E
E
R
o
f
0
.
2
3
%
S
c
o
r
e
f
u
s
i
o
n
o
ff
i
n
g
e
r
v
e
i
n
a
n
d
f
a
c
e
f
o
r
h
u
m
a
n
re
c
o
g
n
i
t
i
o
n
b
a
s
e
d
o
n
c
o
n
v
o
l
u
t
i
o
n
a
l
n
e
u
ra
l
n
e
t
w
o
rk
m
o
d
e
l
[1
6
]
T
ra
d
i
t
i
o
n
a
l
CN
N
fe
a
t
u
r
e
e
x
t
ra
c
t
i
o
n
V
E
R
A
F
i
n
g
e
r
v
e
i
n
,
Co
l
o
r
F
e
re
t
a
n
d
A
R
f
a
c
e
d
a
t
a
b
a
s
e
9
9
.
8
9
%
a
c
c
u
ra
c
y
P
e
r
i
o
c
u
l
a
r
b
i
o
m
e
t
ri
c
s
fo
r
n
o
n
-
i
d
e
a
l
i
m
a
g
e
s
:
w
i
t
h
o
ff
-
t
h
e
-
s
h
e
l
f
D
e
e
p
CN
N
&
T
ra
n
s
fe
r
L
e
a
r
n
i
n
g
a
p
p
ro
a
c
h
[1
7
]
P
re
-
t
ra
i
n
e
d
A
l
e
x
n
e
t
,
G
o
o
g
l
e
n
e
t
,
Re
s
n
e
t
1
8
,
R
e
s
n
e
t
5
0
,
Re
s
n
e
t
1
0
1
,
V
G
G
1
6
a
n
d
V
G
G
1
9
U
BI
P
r
d
a
t
a
b
a
s
e
M
a
x
.
t
e
s
t
i
n
g
a
c
c
u
ra
c
y
o
f
9
6
%
w
i
t
h
V
G
G
1
9
F
r
o
m
t
h
e
a
b
ov
e
l
i
t
e
ra
t
u
r
e
s
u
r
v
e
y
,
i
t
h
a
s
b
e
e
n
obs
e
r
v
e
d
t
h
a
t
de
e
p
l
e
a
r
ni
n
g
t
e
c
hni
que
s
w
i
l
l
i
m
p
r
o
v
e
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n.
A
n
d
n
o
t
m
o
r
e
w
o
r
k
i
s
do
n
e
o
n
f
i
n
ge
r
p
r
i
n
t
a
n
d
s
i
g
na
t
u
r
e
b
i
o
m
e
t
r
i
c
c
o
m
b
i
na
t
i
o
n
s
f
o
r
l
a
r
ge
r
d
a
t
a
s
e
t
s
.
I
n
t
hi
s
pa
pe
r
n
e
w
m
o
da
l
i
s
p
r
o
po
s
e
d
w
h
e
r
e
M
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
i
s
do
n
e
o
n
m
u
l
t
i
m
o
da
l
b
i
o
m
e
t
ri
c
s
[18]
of
f
i
n
ge
rp
r
i
nt
a
n
d
s
i
g
na
t
ur
e
t
r
a
i
t
s
us
i
n
g
de
e
p
l
e
a
rni
n
g
a
r
c
hi
t
e
c
t
u
r
e
.
3.
D
A
TA
B
A
S
E
U
S
ED
F
O
R
EX
P
ER
I
M
EN
TA
TI
O
N
3.
1
.
F
i
n
g
e
r
p
r
i
n
t
d
atab
as
e
S
D
U
M
L
A
-
H
M
T
f
i
n
ge
r
p
r
i
nt
da
t
a
b
a
s
e
f
r
o
m
t
h
e
m
a
c
h
i
n
e
l
e
a
rn
i
ng
a
n
d
da
t
a
m
i
n
i
ng
l
a
b
,
S
h
a
n
do
n
g
U
n
i
v
e
r
s
i
t
y
(S
D
U
M
L
A
)
[1
9
]
i
s
us
e
d
fo
r
e
xpe
r
i
m
e
n
t
a
t
i
o
n
,
40
us
e
r
s
w
i
t
h
6
f
i
n
ge
r
p
ri
n
t
s
a
m
pl
e
s
o
f
t
h
e
l
e
f
t
t
h
um
b
o
f
e
a
c
h
pe
r
s
o
n
a
r
e
c
o
n
s
i
de
r
e
d
f
o
r
e
xpe
ri
m
e
n
t
a
t
i
o
n.
F
i
n
ge
r
p
ri
n
t
s
a
m
pl
e
s
a
r
e
s
h
o
w
n
i
n
F
i
g
u
r
e
1
.
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
Mul
t
i
m
oda
l
b
i
om
e
t
r
i
c
s
of
f
i
ng
e
r
pr
i
n
t
an
d
s
i
gnat
ur
e
r
e
c
o
gni
t
i
o.
.
.
(
A
r
j
un
B
e
nagat
t
e
Ch
anne
gow
da
)
189
F
i
gu
r
e
1
.
S
D
U
M
L
A
F
i
n
ge
r
p
ri
n
t
I
m
a
ge
S
a
m
pl
e
s
F
i
gu
r
e
2
.
M
CY
T
da
t
a
b
a
s
e
s
i
g
n
a
t
u
r
e
s
a
m
p
l
e
s
3.
2
.
O
ffl
i
n
e
s
i
gn
atu
r
e
d
atab
as
e
M
CY
T
B
i
o
m
e
t
r
i
c
R
e
c
o
gn
i
t
i
o
n
G
r
o
up
-
A
T
V
S
da
t
a
b
a
s
e
[
20
]
i
s
us
e
d
fo
r
e
xpe
r
i
m
e
n
t
a
t
i
o
n,
o
ut
of
7
5
us
e
r
s
,
40
us
e
r
s
w
i
t
h
a
l
l
ge
nui
n
e
6
s
i
g
n
a
t
u
r
e
s
a
r
e
c
o
n
s
i
de
re
d
fo
r
e
xpe
r
i
m
e
n
t
a
t
i
o
n
.
S
i
g
n
a
t
u
r
e
s
a
m
pl
e
s
a
r
e
s
h
o
w
n
i
n
F
i
g
u
r
e
2
.
4.
P
R
O
P
O
S
ED
A
R
C
H
I
TEC
TU
R
E
In
t
h
e
p
r
o
po
s
e
d
w
o
r
k
a
n
o
v
e
l
M
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
m
o
d
a
l
f
o
r
m
u
l
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
f
i
nge
r
p
ri
nt
a
n
d
s
i
g
na
t
u
r
e
t
r
a
i
t
s
de
v
e
l
o
p
e
d
a
s
s
h
ow
n
i
n
F
i
gu
r
e
3.
F
r
o
m
a
s
t
a
n
d
a
r
d
da
t
a
b
a
s
e
ups
a
m
p
l
e
d
da
t
a
b
a
s
e
is
c
r
e
a
t
e
d
us
i
n
g
t
h
e
b
i
l
i
n
e
a
r
i
nt
e
rpo
l
a
t
i
o
n
t
e
c
hni
que
[
21
]
.
A
f
t
e
r
c
r
e
a
t
i
ng
a
n
e
w
ups
a
m
pl
e
d
da
t
a
b
a
s
e
,
H
O
G
f
e
a
t
ur
e
s
[22]
a
r
e
e
x
tr
a
c
t
e
d
f
r
o
m
b
o
t
h
s
t
a
n
d
a
r
d
a
n
d
ups
a
m
p
l
e
d
da
t
a
b
a
s
e
s
s
e
pa
ra
t
e
l
y
,
t
h
e
s
e
s
e
pa
r
a
t
e
H
O
G
f
e
a
t
ur
e
s
a
r
e
f
us
e
d
t
o
ge
t
h
e
r
us
i
n
g
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
,
a
nd
c
o
n
c
a
t
e
na
t
i
o
n
m
e
t
h
o
d
i
n
f
e
a
t
u
r
e
f
us
i
o
n
l
e
v
e
l
1.
F
i
nge
r
p
ri
nt
a
nd
S
i
g
na
t
u
r
e
f
us
e
d
H
O
G
fe
a
t
ur
e
v
e
c
t
o
r
s
a
r
e
s
t
o
r
e
d
s
e
pa
r
a
t
e
l
y
s
h
o
w
n
i
n
F
i
gu
r
e
4
.
I
n
l
e
v
e
l
2
f
e
a
t
ur
e
f
us
i
o
n
,
H
O
G
fe
a
t
u
r
e
s
of
f
i
n
ge
r
p
ri
n
t
a
n
d
s
i
g
n
a
t
u
re
s
a
r
e
f
us
e
d
us
i
n
g
t
h
e
c
o
n
c
a
t
e
na
t
i
o
n
m
e
t
h
o
d
r
e
s
pe
c
t
i
v
e
l
y
fo
r
e
a
c
h
f
us
e
d
s
a
m
p
l
e
f
r
o
m
l
e
v
e
l
1
[23]
.
T
h
e
F
i
na
l
H
O
G
f
e
a
t
ur
e
v
e
c
t
o
r
o
b
t
a
i
n
e
d
a
f
t
e
r
l
e
v
e
l
1
a
n
d
l
e
v
e
l
2
f
us
i
o
n
i
s
s
e
t
a
s
a
n
i
nput
t
o
n
e
u
ra
l
n
e
t
w
o
r
k.
F
i
gu
r
e
3
.
M
u
l
t
i
-
l
e
v
e
l
m
u
l
t
i
m
o
da
l
b
i
o
m
e
t
ri
c
f
us
i
o
n
o
f
f
i
n
ge
r
p
ri
n
t
a
nd
s
i
g
n
a
t
u
r
e
b
i
o
m
e
t
ri
c
t
ra
i
t
s
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
ng
&
Co
m
p
S
c
i
,
V
o
l
.
22
,
N
o
.
1
,
A
p
r
i
l
20
21
:
187
-
195
190
F
i
gu
r
e
4.
S
i
g
n
a
t
u
r
e
f
e
a
t
u
r
e
s
a
m
p
l
e
s
o
f
pe
r
s
o
n
1
L
e
v
e
l
1
f
us
i
o
n
i
s
c
a
rri
e
d
o
ut
w
i
t
h
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
a
nd
c
o
n
c
a
t
e
n
a
t
i
o
n
m
e
t
h
o
d
a
nd
i
n
l
e
v
e
l
2
c
o
n
c
a
t
e
n
a
t
i
o
n
m
e
t
h
o
d
i
s
a
p
pl
i
e
d
.
S
U
M
o
pe
r
a
t
i
o
n
:
C
i
j
=
A
i
j
+
B
i
j
M
A
X
o
pe
r
a
t
i
o
n
:
C
i
j
=
M
A
X
(A
i
j
,
B
i
j
)
M
IN
o
pe
r
a
t
i
o
n:
C
i
j
=
M
IN
(A
i
j
,
B
i
j
)
P
r
o
duc
t
o
pe
r
a
t
i
o
n
:
Ci
j
=
A
i
j
.
*
B
i
j
Co
n
c
a
t
e
n
a
t
i
o
n:
Ci
j
=
[A
i
j
B
i
j
]
(1)
W
h
e
r
e
A
i
j
i
s
H
O
G
fe
a
t
u
r
e
v
e
c
t
o
r
of
s
t
a
n
d
a
r
d
s
i
g
n
a
t
u
r
e
a
n
d
B
i
j
i
s
H
O
G
f
e
a
t
ur
e
v
e
c
t
o
r
of
ups
a
m
pl
e
d
s
i
g
n
a
t
u
r
e
.
S
i
m
i
l
a
r
s
t
e
ps
c
a
rr
i
e
d
o
ut
f
o
r
f
i
n
ge
r
p
r
i
nt
da
t
a
s
e
t
s
.
5.
TH
E
N
EU
R
A
L
N
E
TW
O
R
K
M
O
D
EL
In
t
hi
s
pa
pe
r
us
i
n
g
P
y
t
h
o
n
w
i
t
h
K
e
r
a
s
L
i
b
ra
r
y
D
e
e
p
l
e
a
rni
n
g
n
e
u
r
a
l
n
e
t
w
o
r
ks
a
r
e
c
r
e
a
t
e
d.
by
fo
l
l
ow
i
n
g
t
h
e
m
o
de
l
l
i
f
e
-
c
y
c
l
e
s
t
e
ps
de
e
p
l
e
a
rni
n
g
n
e
u
r
a
l
n
e
t
w
o
r
ks
a
r
e
c
r
e
a
t
e
d
[2
4
].
S
t
e
ps
a
s
f
o
l
l
ow
s
de
f
i
n
e
n
e
t
w
o
r
k,
c
o
m
pi
l
e
n
e
t
w
o
r
k
,
F
i
t
n
e
t
w
o
r
k,
e
v
a
l
ua
t
e
n
e
t
w
o
r
k
a
nd
m
a
ke
p
r
e
d
i
c
t
i
o
n
s
.
N
e
t
w
o
r
ks
a
r
e
d
e
f
i
n
e
d
i
n
s
e
que
n
c
e
o
rde
r
Co
n
s
i
de
r
t
h
e
e
x
a
m
p
l
e
I
n
pu
t
d
i
m
a
r
e
s
e
v
e
r
a
l
i
n
pu
t
n
e
u
r
o
n
s
,
v
a
l
ue
5
i
s
a
num
b
e
r
o
f
hi
dde
n
n
e
u
r
o
n
s
,
a
nd
a
n
o
ut
put
n
e
u
r
o
n
i
s
1.
I
n
t
h
i
s
p
a
pe
r
m
o
r
e
t
ha
n
100
i
n
p
ut
n
e
u
r
o
ns
,
m
o
r
e
t
h
a
n
500
hi
dde
n
n
e
u
r
o
n
s
,
a
n
d
4
0
n
e
u
r
o
n
s
a
s
o
ut
put
n
e
u
r
o
n
s
,
s
i
n
c
e
4
0
d
i
f
f
e
r
e
n
t
m
u
l
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
ns
a
r
e
e
xpe
c
t
e
d
a
s
o
ut
put
.
S
i
n
c
e
t
h
e
p
r
o
po
s
e
d
w
o
r
k
i
s
e
xp
l
o
r
e
d
o
n
m
ul
t
i
c
l
a
s
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
s
o
f
t
m
a
x
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
i
s
us
e
d
a
t
t
h
e
o
ut
put
l
a
y
e
r
.
Co
m
pl
e
x
de
e
p
l
e
a
rni
n
g
m
o
de
l
s
a
r
e
a
l
s
o
de
f
i
n
e
d
a
n
d
e
xpl
o
r
e
d
i
n
t
hi
s
w
o
r
k
u
s
i
ng
m
o
r
e
t
ha
n
o
n
e
hi
dde
n
l
a
y
e
r
.
In
t
h
i
s
p
a
pe
r
,
2
52
i
n
p
ut
n
e
u
r
o
n
s
w
i
t
h
7
56
h
i
d
de
n
n
e
u
r
o
n
s
i
n
t
h
e
f
i
r
s
t
hi
dde
n
l
a
y
e
r
a
n
d
252
hi
dde
n
n
e
u
r
o
n
s
i
n
t
h
e
s
e
c
o
n
d
h
i
d
de
n
l
a
y
e
r
,
a
n
d
an
o
ut
put
l
a
y
e
r
w
i
t
h
40
n
e
u
r
o
n
s
a
r
e
us
e
d
i
n
o
n
e
o
f
t
h
e
c
a
s
e
s
t
udi
e
s
.
C
o
m
pi
l
e
n
e
t
w
o
r
k:
M
ul
t
i
c
l
a
s
s
l
o
ga
r
i
t
hm
i
c
l
o
s
s
o
r
c
a
t
e
go
r
i
c
a
l
c
r
o
s
s
-
e
n
t
r
o
py
i
s
us
e
d
w
i
t
h
t
h
e
‘
a
da
m
’
o
pt
i
m
i
z
a
t
i
o
n
a
l
go
r
i
t
hm
.
F
i
t
n
e
t
w
o
r
k:
M
o
de
l
b
a
t
c
h
s
i
z
e
a
n
d
e
poc
h
s
a
r
e
a
s
s
i
g
n
e
d
t
o
f
i
t
t
h
e
m
o
de
l
i
n
t
h
i
s
s
t
e
p.
A
f
t
e
r
t
h
i
s
s
t
e
p
e
v
a
l
ua
t
i
o
n
o
f
t
h
e
m
o
de
l
i
s
do
n
e
by
c
h
e
c
ki
n
g
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
a
n
d
f
i
na
l
l
y
,
pr
e
di
c
t
i
o
n
s
f
o
r
n
e
w
da
t
a
s
e
t
s
a
r
e
e
xe
c
ut
e
d.
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
Mul
t
i
m
oda
l
b
i
om
e
t
r
i
c
s
of
f
i
ng
e
r
pr
i
n
t
an
d
s
i
gnat
ur
e
r
e
c
o
gni
t
i
o.
.
.
(
A
r
j
un
B
e
nagat
t
e
Ch
anne
gow
da
)
191
6.
EX
P
ER
I
M
EN
TS
In
t
hi
s
p
a
pe
r,
t
h
e
m
a
i
n
a
i
m
i
s
t
o
i
m
p
r
o
v
e
t
h
e
r
e
c
o
gn
i
t
i
o
n
r
a
t
e
of
f
i
n
ge
r
p
ri
nt
a
nd
s
i
g
n
a
t
u
r
e
b
i
o
m
e
t
ri
c
t
r
a
i
t
s
f
o
r
l
a
r
ge
r
d
a
t
a
s
e
t
s
.
S
D
U
M
L
A
-
H
M
T
f
i
n
ge
r
p
r
i
nt
d
a
t
a
b
a
s
e
a
n
d
M
CY
T
b
i
o
m
e
t
ri
c
r
e
c
o
gn
i
t
i
o
n
g
r
o
up
s
i
g
n
a
t
u
r
e
da
t
a
b
a
s
e
a
r
e
us
e
d
fo
r
e
xpe
r
i
m
e
n
t
a
t
i
o
n
.
F
us
e
d
f
e
a
t
ur
e
s
a
r
e
us
e
d
t
o
t
r
a
i
n
a
nd
t
e
s
t
t
h
e
de
e
p
l
e
a
rni
n
g
n
e
u
r
a
l
n
e
t
w
o
r
k.
A
n
e
xa
m
pl
e
o
f
t
h
e
f
us
e
d
f
e
a
t
ur
e
[2
5,
26]
us
i
n
g
c
o
n
c
a
t
e
n
a
t
i
o
n
t
e
c
hn
i
que
i
s
:
F
e
at
ur
e
s
f
us
i
on:
Co
n
s
i
de
r
a
e
x
a
m
p
l
e
o
f
f
us
e
d
fe
a
t
ur
e
,
X
1
i
s
a
H
O
G
f
e
a
t
ur
e
o
f
f
i
n
ge
r
p
r
i
nt
a
n
d
Y
1
i
s
a
H
O
G
fe
a
t
u
r
e
of
s
i
gn
a
t
u
r
e
,
a
f
t
e
r
c
o
n
c
a
t
e
n
a
t
i
o
n
o
ut
put
i
s
Z
,
t
h
e
r
e
f
o
r
e
,
f
i
r
s
t
t
hr
e
e
s
a
m
p
l
e
s
of
e
a
c
h
pe
r
s
o
n
gi
v
e
Z
1
t
o
Z
40,
fo
r
t
y
r
o
w
s
w
i
t
h
c
o
l
um
n
(
n
u
m
b
e
r
o
f
c
o
l
um
n
s
de
p
e
n
ds
o
n
f
us
i
o
n
t
e
c
hn
i
que
us
e
d)
a
n
d
l
a
s
t
c
o
l
um
n
w
i
t
h
t
h
e
c
l
a
s
s
l
a
b
e
l
n
a
m
e
da
t
a
m
a
t
ri
x
a
r
e
c
r
e
a
t
e
d
,
t
h
i
s
da
t
a
m
a
t
ri
x
i
s
us
e
d
t
o
t
r
a
i
n
t
h
e
de
e
p
l
e
a
rn
i
ng
n
e
u
ra
l
n
e
t
w
o
r
k.
S
i
m
i
l
a
r
l
y
,
fo
r
t
h
e
t
e
s
t
i
n
g
p
ha
s
e
,
t
h
e
s
a
m
e
pr
o
c
e
dure
fo
r
t
h
e
r
e
m
a
i
ni
n
g
t
hr
e
e
da
t
a
s
a
m
p
l
e
s
w
i
t
h
o
ut
a
c
l
a
s
s
l
a
b
e
l
c
o
l
um
n
i
s
us
e
d
f
o
r
e
xpe
ri
m
e
n
t
a
t
i
o
n.
Co
n
c
a
t
e
n
a
t
i
o
n
T
e
c
hn
i
q
ue
-
X
1
=
[
X
1
,
X
2
….
X
36
]
Y
1
=
[
Y
1
,
Y
2
….
Y
36
]
Z
=
[
X
1
,
X
2
….
X
36
,
Y
1
,
Y
2
….
.
Y
36
]
Z
1
=
[X
1
,
X
2
…
.
X
36
,
Y
37
,
Y
38
…
.
.
Y
7
2
+
1
]
a.
U
n
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
:
I
n
i
t
i
a
l
e
xpe
ri
m
e
n
t
s
w
e
r
e
e
xpl
o
r
e
d
o
n
un
i
m
o
da
l
s
y
s
t
e
m
s
,
w
h
e
r
e
H
O
G
fe
a
t
u
r
e
s
a
r
e
e
xt
ra
c
t
e
d
f
r
o
m
t
h
e
s
t
a
n
d
a
r
d
d
a
t
a
b
a
s
e
a
n
d
ups
a
m
pl
e
d
d
a
t
a
b
a
s
e
of
f
i
n
ge
r
p
ri
nt
a
nd
s
i
g
na
t
u
r
e
s
e
pa
ra
t
e
l
y
.
U
n
i
m
o
da
l
H
O
G
f
e
a
t
ur
e
s
[27]
a
r
e
f
us
e
d
us
i
n
g
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
,
a
n
d
c
o
n
c
a
t
e
n
a
t
i
o
n
m
e
t
h
o
d,
a
n
d
f
us
e
d
f
e
a
t
u
r
e
v
e
c
t
o
r
f
r
o
m
(1)
(2)
o
f
e
a
c
h
m
e
t
h
o
d
i
s
s
e
t
a
s
i
n
p
ut
t
o
t
h
e
n
e
u
ra
l
n
e
t
w
o
r
k.
b.
M
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
:
E
xpe
r
i
m
e
n
t
s
a
r
e
c
a
rr
i
e
d
o
ut
o
n
m
u
l
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
gn
i
t
i
o
n
w
h
e
r
e
f
e
a
t
u
r
e
s
f
us
e
d
w
h
i
l
e
e
xe
c
ut
i
n
g
u
ni
m
o
da
l
e
xp
e
ri
m
e
n
t
s
a
r
e
c
o
n
s
i
de
r
e
d
f
r
o
m
f
i
n
ge
r
p
r
i
nt
a
n
d
s
i
g
na
t
u
r
e
b
i
o
m
e
t
r
i
c
s
,
t
h
e
s
e
fe
a
t
ur
e
s
a
r
e
f
us
e
d
o
n
c
e
a
ga
i
n
us
i
ng
t
h
e
c
o
n
c
a
t
e
na
t
i
o
n
m
e
t
h
o
d,
a
nd
r
e
s
ul
t
s
a
r
e
pl
o
t
t
e
d
.
T
h
e
s
e
m
ul
t
i
l
e
v
e
l
F
i
n
ge
r
p
ri
n
t
a
n
d
S
i
g
na
t
u
r
e
s
a
r
e
f
us
e
d
us
i
n
g
c
o
n
c
a
t
e
na
t
i
o
n
,
s
u
m
,
m
a
x
,
m
i
n,
a
nd
p
r
o
duc
t
r
u
l
e
a
t
m
ul
t
i
l
e
v
e
l
s
t
a
ge
s
a
s
s
h
o
w
n
i
n
F
i
gu
r
e
4,
t
h
e
s
e
f
e
a
t
ur
e
s
a
r
e
us
e
d
t
o
t
r
a
i
n
de
e
p
l
e
a
rn
i
ng
n
e
ura
l
n
e
t
w
o
r
k
m
o
de
l
.
E
x
a
m
p
l
e
,
A
f
t
e
r
f
us
i
o
n
f
r
o
m
(1
)
(2)
o
f
H
O
G
f
i
n
ge
r
p
ri
n
t
f
e
a
t
u
r
e
s
o
f
3
t
r
a
i
ni
n
g
s
a
m
p
l
e
s
a
n
d
H
O
G
s
i
g
n
a
t
u
r
e
f
e
a
t
ur
e
s
o
f
3
t
r
a
i
ni
n
g
s
a
m
pl
e
s
,
da
t
a
w
i
t
h
c
l
a
s
s
l
a
b
e
l
na
m
e
i
n
t
h
e
l
a
s
t
c
o
l
um
n
i
s
us
e
d
t
o
t
ra
i
n
de
e
p
l
e
a
rn
i
ng
n
e
u
r
a
l
n
e
t
w
o
r
k,
r
e
m
a
i
ni
n
g
3
s
a
m
p
l
e
s
o
f
f
i
n
ge
r
p
ri
nt
a
nd
s
i
g
na
t
u
r
e
s
a
r
e
f
us
e
d
a
nd
da
t
a
w
i
t
h
o
ut
l
a
b
e
l
na
m
e
i
s
us
e
d
f
o
r
t
e
s
t
i
n
g
t
h
e
de
e
p
l
e
a
rni
n
g
n
e
t
w
o
r
k
gi
v
e
s
t
h
e
o
ut
put
c
l
a
s
s
n
a
m
e
a
nd
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
i
s
a
na
l
y
z
e
d.
c.
D
e
e
p
l
e
a
r
ni
n
g
m
o
de
l
:
I
n
t
h
e
pr
o
po
s
e
d
w
o
r
k,
by
v
a
r
y
i
n
g
i
npu
t
n
e
u
r
o
n
s
,
hi
dde
n
n
e
ur
o
n
s
,
a
nd
hi
dde
n
l
a
y
e
r
s
di
f
fe
r
e
nt
de
e
p
l
e
a
rn
i
ng
m
o
de
l
s
a
r
e
de
s
i
gn
e
d
a
nd
e
xpl
o
r
e
d.
D
e
e
p
l
e
a
rn
i
ng
m
o
de
l
s
w
e
r
e
de
s
i
gn
e
d
us
i
ng
K
e
r
a
s
l
i
b
r
a
ri
e
s
us
i
n
g
py
t
h
o
n.
d.
E
xpe
r
i
m
e
nt
s
o
f
un
i
m
o
da
l
s
y
s
t
e
m
:
T
h
e
M
CY
T
s
i
g
na
t
u
r
e
da
t
a
s
e
t
s
c
o
n
s
i
s
t
o
f
75
us
e
r
s
w
i
t
h
1
5
ge
n
ui
n
e
a
n
d
15
fo
r
ge
r
y
s
i
gn
a
t
u
r
e
s
.
F
o
r
t
h
i
s
e
xpe
r
i
m
e
n
t
,
40
pe
o
pl
e
w
i
t
h
6
da
t
a
s
a
m
pl
e
s
o
f
e
a
c
h
pe
r
s
o
n
a
r
e
us
e
d.
H
O
G
f
e
a
t
ur
e
s
of
t
h
e
f
i
r
s
t
3
s
a
m
p
l
e
s
o
f
e
a
c
h
pe
r
s
o
n
’s
S
t
a
nda
r
d
s
i
g
n
a
t
u
r
e
da
t
a
s
e
t
s
a
n
d
1
:
2
r
a
t
i
o
ups
a
m
p
l
e
d
s
i
g
n
a
t
u
r
e
da
t
a
s
e
t
s
a
r
e
f
us
e
d
us
i
n
g
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
,
a
n
d
c
o
n
c
a
t
e
na
t
i
o
n
t
e
c
hn
i
q
ue
s
.
T
h
e
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
i
s
de
s
i
gn
e
d
fo
r
t
h
e
r
e
qui
r
e
d
i
n
pu
t
.
T
h
e
r
e
m
a
i
n
i
ng
3
s
a
m
pl
e
s
of
e
a
c
h
pe
r
s
o
n
a
r
e
us
e
d
fo
r
t
e
s
t
i
n
g.
T
h
e
s
a
m
e
pr
o
c
e
dur
e
i
s
e
xe
c
ut
e
d
fo
r
t
h
e
f
i
n
ge
r
p
ri
nt
da
t
a
b
a
s
e
,
h
e
r
e
40
us
e
r
’s
l
e
f
t
t
h
um
b
6
da
t
a
s
a
m
pl
e
s
o
f
e
a
c
h
us
e
r
a
r
e
c
o
n
s
i
de
r
e
d
.
e.
E
xpe
r
i
m
e
nt
s
o
f
m
ul
t
i
m
o
da
l
s
y
s
t
e
m
:
T
h
e
f
e
a
t
u
r
e
v
e
c
t
o
r
ob
t
a
i
n
e
d
i
n
l
e
v
e
l
1
a
f
t
e
r
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
,
a
n
d
c
o
n
c
a
t
e
n
a
t
i
o
n
t
e
c
hni
que
o
f
U
n
i
m
o
da
l
s
y
s
t
e
m
i
s
us
e
d
f
o
r
t
h
e
s
e
c
o
n
d
l
e
v
e
l
of
f
us
i
o
n
.
F
e
a
t
u
r
e
ve
c
t
o
r
ob
t
a
i
n
e
d
f
r
o
m
e
a
c
h
t
e
c
hni
que
i
n
l
e
v
e
l
1
of
bo
t
h
s
i
g
na
t
u
r
e
H
O
G
f
e
a
t
u
r
e
s
a
n
d
F
i
n
ge
r
p
r
i
nt
H
O
G
f
e
a
t
ur
e
s
a
r
e
f
us
e
d
us
i
n
g
Co
n
c
a
t
e
na
t
i
o
n
m
e
t
h
o
d
i
n
l
e
v
e
l
2
a
n
d
t
h
e
s
e
m
ul
t
i
-
l
e
v
e
l
f
us
e
d
ve
c
t
o
r
da
t
a
i
s
s
e
t
a
s
a
n
i
nput
f
o
r
n
e
u
ra
l
n
e
t
w
o
r
k
a
nd
r
e
s
ul
t
s
a
r
e
pl
o
t
t
e
d.
N
e
ura
l
n
e
t
w
o
r
k
m
o
de
l
c
o
n
c
e
r
ni
n
g
i
nput
n
e
ur
o
n
1:
2,
1
:
3
,
a
nd
1:
4
r
a
t
i
o
hi
d
de
n
n
e
u
r
o
n
s
m
o
de
l
s
a
r
e
i
m
p
l
e
m
e
n
t
e
d.
E
xt
e
n
di
ng
t
h
e
e
xpe
r
i
m
e
nt
a
t
i
o
n
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
w
i
t
h
m
u
l
t
i
pl
e
hi
dde
n
l
a
y
e
r
s
of
756
h
i
dde
n
n
e
u
r
o
n
s
i
n
t
h
e
f
i
r
s
t
l
a
y
e
r
a
n
d
2
56
h
i
dde
n
n
e
u
r
o
n
s
i
n
t
h
e
s
e
c
o
n
d
l
a
y
e
r
i
s
i
m
pl
e
m
e
n
t
e
d
a
nd
r
e
s
ul
t
s
a
r
e
pl
o
t
t
e
d.
7.
R
ES
U
LTS
T
h
e
r
e
s
ul
t
s
a
r
e
b
a
s
e
d
o
n
L
e
v
e
l
1
f
e
a
t
ur
e
f
us
i
o
n
:
T
h
e
e
xpe
r
i
m
e
n
t
i
s
c
o
n
duc
t
e
d
o
n
u
n
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
.
O
r
i
g
i
na
l
d
a
t
a
b
a
s
e
a
nd
ups
a
m
pl
e
d
d
a
t
a
b
a
s
e
a
r
e
fus
e
d
us
i
n
g
t
h
e
c
o
n
c
a
t
e
n
a
t
i
o
n
t
e
c
hni
que
,
a
n
d
t
h
e
c
o
n
c
a
t
e
n
a
t
e
d
f
e
a
t
ur
e
v
e
c
t
o
r
i
s
s
e
t
a
s
a
n
i
n
p
ut
f
o
r
t
h
e
n
e
u
r
a
l
n
e
t
w
o
r
k.
T
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
i
s
gi
ve
n
i
n
T
a
b
l
e
2.
T
h
e
r
e
s
ul
t
s
a
r
e
b
a
s
e
d
o
n
l
e
v
e
l
2
f
e
a
t
ur
e
f
us
i
o
n
:
s
i
g
n
a
t
u
r
e
a
n
d
f
i
n
ge
r
p
ri
n
t
f
e
a
t
u
r
e
v
e
c
t
o
r
o
b
t
a
i
n
e
d
f
r
o
m
l
e
ve
l
1
S
U
M
,
M
A
X
,
M
IN
,
P
R
O
D
U
CT
,
a
n
d
c
o
n
c
a
t
e
na
t
i
o
n
t
e
c
hni
que
f
us
i
o
n
i
s
f
us
e
d
i
n
l
e
v
e
l
2
us
i
n
g
c
o
n
c
a
t
e
n
a
t
i
o
n
t
e
c
hni
que
.
F
e
a
t
u
r
e
v
e
c
t
o
r
ob
t
a
i
n
e
d
a
f
t
e
r
b
o
t
h
l
e
v
e
l
1
a
n
d
l
e
v
e
l
2
f
us
i
o
n
s
i
s
s
e
t
a
s
a
n
i
nput
f
o
r
n
e
u
r
a
l
n
e
t
w
o
r
k
a
n
d
r
e
s
ul
t
s
a
r
e
pl
o
t
t
e
d.
T
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
of
t
h
e
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
i
s
gi
v
e
n
i
n
T
a
b
l
e
3
.
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
ng
&
Co
m
p
S
c
i
,
V
o
l
.
22
,
N
o
.
1
,
A
p
r
i
l
20
21
:
187
-
195
192
T
a
b
l
e
2
.
U
ni
m
o
da
l
s
y
s
t
e
m
:
s
i
n
gl
e
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
Bi
o
m
e
tr
i
c
tr
a
i
ts
F
u
s
i
o
n
te
c
h
n
i
q
u
e
N
e
u
r
a
l
N
e
t
w
o
r
k
M
o
d
e
l
C
l
a
s
s
i
f
i
c
a
ti
o
n
a
c
c
u
r
a
c
y
M
CY
T
S
t
a
n
d
a
rd
S
i
g
n
a
t
u
re
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
.
Co
n
c
a
t
e
n
a
t
i
o
n
85%
S
D
U
M
L
A
S
t
a
n
d
a
r
d
f
i
n
g
e
r
p
ri
n
t
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
Co
n
c
a
t
e
n
a
t
i
o
n
60%
T
a
b
l
e
3
.
M
u
l
t
i
m
o
da
l
S
y
s
t
e
m
:
m
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
Bi
o
m
e
tr
i
c
tr
a
i
ts
M
u
l
ti
-
Le
v
e
l
F
u
s
i
o
n
te
c
h
n
i
q
u
e
N
e
u
r
a
l
N
e
t
w
o
r
k
M
o
d
e
l
C
l
a
s
s
i
f
i
c
a
ti
o
n
a
c
c
u
r
a
c
y
M
CY
T
S
t
a
n
d
a
rd
S
i
g
n
a
t
u
re
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
.
S
D
U
M
L
A
S
t
a
n
d
a
r
d
f
i
n
g
e
r
p
ri
n
t
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
L
e
v
e
l
1
:
U
n
i
m
o
d
a
l
b
i
o
m
e
t
r
i
c
s
L
e
v
e
l
2
:
M
u
l
t
i
m
o
d
a
l
Bi
o
m
e
t
ri
c
s
L
e
v
e
l
1
:
Co
n
c
a
t
e
n
a
t
i
o
n
L
e
v
e
l
2
:
Co
n
c
a
t
e
n
a
t
i
o
n
9
1
.
6
6
%
L
e
v
e
l
1
:
S
U
M
L
e
v
e
l
2
:
Co
n
c
a
t
e
n
a
t
i
o
n
9
2
.
5
%
L
e
v
e
l
1
:
M
A
X
L
e
v
e
l
2
:
Co
n
c
a
t
e
n
a
t
i
o
n
9
1
.
6
6
%
L
e
v
e
l
1
:
M
IN
L
e
v
e
l
2
:
Co
n
c
a
t
e
n
a
t
i
o
n
9
2
.
0
%
L
e
v
e
l
1
:
P
r
o
d
u
c
t
L
e
v
e
l
2
:
Co
n
c
a
t
e
n
a
t
i
o
n
9
3
.
3
3
%
F
i
gu
r
e
5
s
h
o
w
s
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ura
c
y
of
e
a
c
h
n
e
t
w
o
r
k
m
o
de
l
w
i
t
h
di
f
f
e
r
e
n
t
f
us
i
o
n
t
e
c
hni
que
s
us
e
d
i
n
b
o
t
h
l
e
ve
l
1
a
n
d
l
e
v
e
l
2
f
us
i
o
n
s
.
F
i
gur
e
5
s
h
o
w
s
t
h
e
pl
o
t
fo
r
da
t
a
a
v
a
i
l
a
b
l
e
i
n
T
a
b
l
e
3,
t
h
e
x
-
a
x
i
s
s
h
o
w
s
f
us
i
o
n
t
e
c
hni
que
s
a
t
b
o
t
h
l
e
v
e
l
1
a
n
d
l
e
v
e
l
2
r
e
s
pe
c
t
i
ve
l
y
a
n
d
,
t
h
e
y
-
a
xi
s
s
h
o
w
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ura
c
y
.
R
e
s
ul
t
s
b
a
s
e
d
o
n
v
a
r
y
i
n
g
h
i
d
de
n
n
e
u
r
o
n
s
:
F
r
o
m
T
a
b
l
e
3
i
t
ha
s
b
e
e
n
ob
s
e
r
v
e
d
t
h
a
t
t
h
e
l
e
v
e
l
1
pr
o
duc
t
m
e
t
h
o
d
a
n
d
l
e
v
e
l
2
c
o
n
c
a
t
e
n
a
t
i
o
n
m
e
t
h
o
ds
s
h
o
w
e
d
g
o
o
d
r
e
s
ul
t
s
,
t
ha
t
r
e
s
ul
t
s
a
r
e
ob
t
a
i
n
e
d
by
de
v
e
l
o
pi
n
g
f
o
ur
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
s
by
v
a
r
y
i
n
g
h
i
dde
n
n
e
u
r
o
n
s
.
T
h
e
r
e
s
ul
t
s
o
f
a
l
l
f
o
ur
m
o
de
l
s
a
r
e
g
i
v
e
n
i
n
T
a
b
l
e
4
.
F
i
gu
r
e
5.
M
u
l
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
t
e
c
hni
que
s
v
s
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ura
c
y
T
a
b
l
e
4
.
M
u
l
t
i
m
o
da
l
S
y
s
t
e
m
:
M
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
f
o
r
d
i
f
fe
r
e
n
t
hi
dde
n
n
e
u
r
o
n
Bi
o
m
e
tr
i
c
tr
a
i
ts
H
i
d
d
e
n
N
e
u
r
o
n
s
N
e
u
r
a
l
N
e
t
w
o
r
k
M
o
d
e
l
C
l
a
s
s
i
f
i
c
a
ti
o
n
a
c
c
u
r
a
c
y
M
CY
T
S
t
a
n
d
a
rd
S
i
g
n
a
t
u
re
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
.
S
D
U
M
L
A
S
t
a
n
d
a
r
d
f
i
n
g
e
r
p
ri
n
t
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
L
e
v
e
l
1
:
U
n
i
m
o
d
a
l
b
i
o
m
e
t
r
i
c
s
(P
ro
d
u
c
t
)
L
e
v
e
l
2
:
M
u
l
t
i
m
o
d
a
l
Bi
o
m
e
t
ri
c
s
(Co
n
c
a
t
e
n
a
t
i
o
n
)
2
5
2
N
e
u
ro
n
s
9
2
.
0
0
%
5
0
4
N
e
u
ro
n
s
9
2
.
5
0
%
7
5
6
N
e
u
ro
n
s
9
3
.
3
3
%
1
0
0
8
N
e
u
ro
n
s
9
2
.
5
0
%
F
i
gu
r
e
6
s
h
o
w
s
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
u
r
a
c
y
of
t
h
e
n
e
t
w
o
r
k
m
o
de
l
by
v
a
r
y
i
n
g
h
i
d
de
n
n
e
u
r
o
n
s
us
e
d
i
n
t
h
e
h
i
d
de
n
l
a
y
e
r
’s
x
-
a
xi
s
s
h
o
w
s
v
a
r
i
o
us
n
e
u
r
o
n
s
us
e
d
i
n
t
he
hi
dde
n
l
a
y
e
r
s
,
t
h
e
y
-
a
xi
s
s
h
o
w
s
c
l
a
s
s
i
f
i
c
a
t
i
o
n
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
Mul
t
i
m
oda
l
b
i
om
e
t
r
i
c
s
of
f
i
ng
e
r
pr
i
n
t
an
d
s
i
gnat
ur
e
r
e
c
o
gni
t
i
o.
.
.
(
A
r
j
un
B
e
nagat
t
e
Ch
anne
gow
da
)
193
a
c
c
ur
a
c
y
.
Re
s
ul
t
s
b
a
s
e
d
o
n
v
a
r
y
i
n
g
hi
dde
n
l
a
y
e
r
s
:
F
r
o
m
T
a
b
l
e
4
i
t
ha
s
b
e
e
n
ob
s
e
r
ve
d
756
hi
dde
n
n
e
u
r
o
n
s
s
h
o
w
e
d
goo
d
r
e
s
ul
t
s
,
t
h
e
s
a
m
e
n
e
u
ra
l
n
e
t
w
o
r
k
m
o
de
l
i
s
e
xt
e
n
d
ed
by
a
ddi
n
g
m
ul
t
i
p
l
e
hi
dde
n
l
a
y
e
r
s
.
T
h
e
r
e
s
ul
t
s
o
f
t
h
e
s
i
ngl
e
hi
dde
n
l
a
y
e
r
w
i
t
h
756
h
i
d
de
n
n
e
u
r
o
ns
a
n
d
m
u
l
t
i
pl
e
hi
dde
n
l
a
y
e
r
s
w
i
t
h
756
h
i
d
de
n
n
e
u
r
o
n
s
a
r
e
g
i
v
e
n
i
n
T
a
b
l
e
5.
I
n
t
h
e
l
i
t
e
r
a
t
u
r
e
s
u
r
v
e
y
m
a
n
y
w
o
r
ks
s
h
o
w
m
o
r
e
t
h
a
n
95%
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
,
b
ut
fo
r
v
e
r
y
l
i
m
i
t
e
d
da
t
a
s
e
t
s
.
I
n
t
h
e
p
r
o
po
s
e
d
w
o
r
k
93.
33
%
a
c
c
ura
c
y
w
a
s
a
c
h
i
e
v
e
d
fo
r
l
a
r
ge
r
da
t
a
s
e
t
s
.
F
r
o
m
t
h
e
l
i
t
e
ra
t
u
r
e
i
t
ha
s
b
e
e
n
ob
s
e
r
ve
d
t
h
a
t
,
n
o
o
t
h
e
r
w
o
r
k
i
s
p
r
o
po
s
e
d
w
i
t
h
t
h
e
f
us
i
o
n
o
f
f
i
n
ge
rp
r
i
nt
a
n
d
s
i
g
n
a
t
u
r
e
b
i
o
m
e
t
ri
c
t
r
a
i
t
s
a
t
m
u
l
t
i
-
l
e
v
e
l
w
i
t
h
de
e
pl
e
a
rni
ng
m
o
de
l
f
o
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
.
W
h
e
n
c
o
m
pa
r
e
d
w
i
t
h
uni
m
o
da
l
f
r
i
n
ge
r
p
ri
n
t
,
i
n
p
r
o
po
s
e
d
m
o
de
l
r
e
c
o
gn
i
t
i
o
n
r
a
t
e
i
s
i
n
c
r
e
a
s
e
d
by
8.
33%
a
n
d
f
o
r
s
i
g
n
a
t
u
r
e
s
a
m
p
l
e
s
pr
o
po
s
e
d
m
o
de
l
r
e
c
o
gn
i
t
i
o
n
ra
t
e
i
s
i
n
c
r
e
a
s
e
d
b
y
33.
33%.
F
i
gu
r
e
6.
H
i
dde
n
n
e
u
r
o
n
s
v
s
n
e
ura
l
n
e
t
w
o
r
k
m
o
de
l
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
u
r
a
c
y
T
a
b
l
e
5
.
M
u
l
t
i
m
o
da
l
S
y
s
t
e
m
:
M
ul
t
i
-
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
f
o
r
d
i
f
fe
r
e
n
t
hi
dde
n
l
a
y
e
r
s
Bi
o
m
e
tr
i
c
tr
a
i
ts
H
i
d
d
e
n
L
a
y
e
r
N
e
u
r
a
l
N
e
t
w
o
r
k
M
o
d
e
l
C
l
a
s
s
i
f
i
c
a
ti
o
n
a
c
c
u
r
a
c
y
M
CY
T
S
t
a
n
d
a
rd
S
i
g
n
a
t
u
re
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
.
S
D
U
M
L
A
S
t
a
n
d
a
r
d
f
i
n
g
e
r
p
ri
n
t
d
a
t
a
s
a
m
p
l
e
a
n
d
1
:
2
ra
t
i
o
u
p
s
a
m
p
l
e
d
d
a
t
a
L
e
v
e
l
1
:
U
n
i
m
o
d
a
l
b
i
o
m
e
t
r
i
c
s
(
c
o
n
c
a
t
e
n
a
t
i
o
n
)
L
e
v
e
l
2
:
M
u
l
t
i
m
o
d
a
l
Bi
o
m
e
t
ri
c
s
(P
r
o
d
u
c
t
)
7
5
6
N
e
u
ro
n
s
(s
i
n
g
l
e
l
a
y
e
r)
9
3
.
3
3
%
7
5
6
N
e
u
ro
n
s
(f
i
r
s
t
l
a
y
e
r)
2
5
2
N
e
u
ro
n
s
(s
e
c
o
n
d
l
a
y
e
r)
8
5
.
5
0
%
8.
C
O
N
C
LU
S
I
O
N
In
t
hi
s
pa
pe
r
,
s
e
v
e
r
a
l
e
xpe
r
i
m
e
n
t
s
a
r
e
c
a
rr
i
e
d
o
ut
b
y
v
a
r
y
i
n
g
hi
dde
n
n
e
u
r
o
n
s
a
n
d
h
i
dde
n
l
a
y
e
r
s
o
f
t
h
e
n
e
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
.
B
y
e
xa
m
i
n
i
n
g
t
h
e
e
n
t
i
r
e
n
e
u
ra
l
n
e
t
w
or
k
m
o
de
l
b
e
s
t
m
o
de
l
s
a
r
e
s
e
l
e
c
t
e
d
a
n
d
r
e
s
ul
t
s
a
r
e
e
xpl
o
r
e
d.
I
n
t
h
e
p
r
o
po
s
e
d
m
e
t
h
o
d
m
u
l
t
i
l
e
v
e
l
fe
a
t
u
r
e
f
us
i
o
n
fo
r
a
n
u
ps
a
m
pl
e
d
da
t
a
b
a
s
e
i
s
i
m
pl
e
m
e
n
t
e
d
by
us
i
n
g
a
de
e
p
n
e
u
ra
l
n
e
t
w
o
r
k
m
o
de
l
.
T
h
e
m
a
i
n
i
de
a
o
f
t
h
i
s
w
o
r
k
i
s
t
o
o
b
t
a
i
n
b
e
t
t
e
r
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ura
c
y
i
n
m
ul
t
i
m
o
da
l
s
i
g
na
t
u
r
e
a
nd
f
i
n
ge
r
p
ri
n
t
b
i
o
m
e
t
r
i
c
.
H
ow
e
v
e
r
,
t
h
e
r
e
w
i
l
l
b
e
n
o
f
i
xe
d
m
e
t
h
o
d
t
o
de
s
i
gn
de
e
p
l
e
a
rn
i
ng
n
e
t
w
o
r
ks
l
i
ke
h
o
w
t
o
c
h
oo
s
e
h
i
dde
n
n
e
u
r
o
n
s
,
h
i
dde
n
l
a
y
e
r
s
,
a
c
t
i
v
a
t
i
o
n
f
un
c
t
i
o
n
,
e
t
c
.
F
r
o
m
t
h
e
ex
pe
r
i
m
e
nt
,
i
t
h
a
s
b
e
e
n
ob
s
e
r
v
e
d
t
h
a
t
t
h
e
p
r
o
po
s
e
d
m
o
d
e
l
i
nc
r
e
a
s
e
s
t
h
e
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ura
c
y
o
f
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
ov
e
r
un
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
r
e
c
o
gn
i
t
i
o
n
f
o
r
l
a
r
ge
r
da
t
a
s
e
t
s
.
I
n
M
ul
t
i
l
e
v
e
l
f
e
a
t
ur
e
f
us
i
o
n
c
o
m
b
i
na
t
i
o
n
o
f
c
o
n
c
a
t
e
na
t
i
o
n
a
n
d
p
r
o
duc
t
o
pe
ra
t
i
o
n
s
s
h
o
w
e
d
a
b
e
t
t
e
r
r
e
s
ul
t
o
f
93.
33
%
o
f
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
c
c
ur
a
c
y
w
h
e
n
e
xpe
ri
m
e
nt
e
d
o
n
a
s
i
n
g
l
e
l
a
y
e
r
w
i
t
h
756
h
i
dd
e
n
n
e
u
r
o
n
s
.
R
EF
ER
EN
C
ES
[
1]
M
.
O
l
o
y
e
de
,
G
.
P
.
H
a
nc
ke
,
“
U
n
i
m
o
da
l
a
n
d
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
e
ns
i
ng
s
y
s
t
e
m
s
:
A
R
e
v
i
e
w
,
”
I
E
E
E
A
c
c
e
s
s
201
6
,
v
o
l
.
4,
pp
.
753
2
–
75
55
,
S
e
p
.
201
6
,
do
i
:
10.
1
109
/
A
C
C
E
S
S
.
201
6.
2614
720
.
[
2]
S
ha
he
e
d
,
e
t
al
.
,
“
A
s
y
s
t
e
m
a
t
i
c
r
e
v
i
e
w
o
f
f
i
ng
e
r
v
e
i
n
r
e
c
o
g
ni
t
i
o
n
t
e
c
hni
q
ue
s
.
”
I
n
f
or
m
at
i
c
s
,
v
o
l
.
9
,
pp
.
21
3
,
A
ug
.
2018
,
do
i
:
10.
3390
/
i
nf
o
9090213
.
[
3]
P
o
o
j
a
B
S
a
nd
A
r
j
un
B
C
,
“
F
a
c
e
r
e
c
o
g
ni
t
i
o
n
u
s
i
ng
a
r
t
i
f
i
c
i
a
l
ne
u
r
a
l
n
e
t
w
o
r
ks
(
A
N
N
)
”
N
a
t
i
ona
l
C
o
nf
e
r
e
nc
e
on
R
e
c
e
nt
A
dv
an
c
e
s
i
n
I
n
f
or
m
at
i
on
&
C
om
m
un
i
c
a
t
i
on
E
ng
i
ne
e
r
i
ng
,
F
e
b
.
2016
,
do
i
:
10.
110
9/
S
P
I
N
48934.
20
20
.
907
1378
.
[
4]
C
ha
nda
n
R
a
n
i
a
n
d
A
r
j
un
B
C
“
A
n
e
f
f
i
c
i
e
nt
s
i
g
na
t
ur
e
ba
s
e
d
b
i
o
m
e
t
r
i
c
s
y
s
t
e
m
us
i
ng
B
P
N
N
,”
I
nt
e
r
n
at
i
on
al
J
our
nal
of
I
nno
v
at
i
v
e
R
e
s
e
ar
c
h
and
A
d
v
anc
e
d
S
t
ud
i
e
s
(
I
J
I
R
A
S
)
,
v
o
l
.
3
,
no
.
6,
M
a
y
2016
.
[
5]
D
i
ng
,
e
t
al
.
,
“
R
o
bu
s
t
f
a
c
e
r
e
c
o
g
ni
t
i
o
n
v
i
a
m
ul
t
i
m
o
da
l
d
e
e
p
f
a
c
e
r
e
pr
e
s
e
n
t
a
t
i
o
n
.
”
I
E
E
E
T
r
an
s
.
M
u
l
t
i
m
e
d
,
v
o
l
.
17
,
pp.
2049
-
205
8
,
20
15.
[
6]
A
l
a
a
S
.
A
l
-
W
a
i
s
y
,
R
.
Q
a
hw
a
j
i
,
S
.
S
.
I
ps
o
n,
S
.
Al
-
F
a
hda
w
i
,
“
A
m
ul
t
i
-
bi
o
m
e
t
r
i
c
i
r
i
s
r
e
c
o
g
ni
t
i
o
n
s
y
s
t
e
m
ba
s
e
d
o
n
a
de
e
p
l
e
a
r
ni
ng
a
pp
r
o
a
c
h
,
”
P
at
t
e
r
n
A
n
al
.
A
pp
l
.
v
o
l
.
2
1,
pp
.
78
3
-
802
,
O
c
t
.
2
018
.
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
ng
&
Co
m
p
S
c
i
,
V
o
l
.
22
,
N
o
.
1
,
A
p
r
i
l
20
21
:
187
-
195
194
[
7]
W
.
L
i
u,
L
.
S
un,
L
.
Z
ha
ng
,
L
.
Z
ha
ng
,
“
F
i
ng
e
r
v
e
i
n
r
e
c
o
g
ni
t
i
o
n
ba
s
e
d
o
n
de
e
p
l
e
a
r
n
i
ng
,”
P
r
o
c
e
e
di
ng
s
o
f
t
he
2017
12t
h
I
E
E
E
C
onf
e
r
e
nc
e
o
n
I
nd
us
t
r
i
al
E
l
e
c
t
r
on
i
c
s
an
d
A
ppl
i
c
at
i
on
s
,
Si
e
m
R
e
ap,
C
am
b
odi
a
,
pp
.
205
–
21
0
,
J
u
n
.
20
17
.
[
8]
K
.
S
o
um
i
a
,
B
.
M
o
ha
m
m
e
d,
H
.
A
y
m
e
n,
K
.
I
br
a
hi
m
,
“
B
i
o
m
e
t
r
i
c
a
ut
he
nt
i
c
a
t
i
o
n
us
i
ng
c
ur
v
e
l
e
t
t
r
a
ns
f
o
r
m
,
”
I
nd
one
s
i
an
J
our
nal
of
E
l
e
c
t
r
i
c
al
E
n
gi
ne
e
r
i
ng
and
C
om
pu
t
e
r
Sc
i
e
nc
e
(
I
J
E
E
C
S
)
,
v
o
l
.
20,
n
o
.
3
,
pp
.
133
2
-
1341
,
D
e
c
.
20
20
,
do
i
:
10.
1
1591
/
i
j
e
e
c
s
.
v
20
i
3.
[
9]
H
a
i
de
r
,
e
t
a
l
.
,
“
A
S
ur
v
e
y
o
f
B
i
o
m
e
t
r
i
c
R
e
c
o
g
ni
t
i
o
n
U
s
i
ng
D
e
e
p
L
e
a
r
n
i
ng
”
E
A
I
E
ndor
s
e
d
T
r
ans
a
c
t
i
on
s
o
n
E
ne
r
g
y
W
e
b
O
nl
i
ne
F
i
r
s
t
pub
l
i
s
he
d
,
O
c
t
.
2
0
20.
[
10]
T
i
o
ng
,
e
t
al
.
,
“
M
u
l
t
i
m
o
da
l
f
a
c
e
bi
o
m
e
t
r
i
c
s
by
us
i
ng
c
o
nvo
l
ut
i
o
na
l
ne
ur
a
l
ne
t
w
o
r
k
,
”
J
our
na
l
of
K
or
e
a
M
u
l
t
i
m
e
di
a
Soc
i
e
t
y
,
v
o
l
.
20,
no
.
2
,
pp.
1
70
-
8,
20
17
,
do
i
:
10
.
971
7/
km
m
s
.
2
017
.
20
.
2
.
170
.
[
11]
J
i
a
j
i
a
G
e
ng
,
J
i
a
j
i
a
G
e
ng
,
Y
i
u
-
m
i
ng
C
he
ung
,
“
A
udi
o
-
v
i
s
ua
l
s
p
e
a
k
e
r
r
e
c
o
g
ni
t
i
o
n
v
i
a
m
ul
t
i
-
m
o
da
l
c
o
r
r
e
l
a
t
e
d
ne
u
r
a
l
ne
t
w
o
r
k
,
”
2016
I
E
E
E
/
W
I
C
/
A
C
M
I
nt
e
r
n
at
i
on
al
C
onf
e
r
e
nc
e
onW
e
b
I
n
t
e
l
l
i
ge
nc
e
W
or
k
s
ho
ps
(
W
I
W
)
,
O
c
t
.
201
6
,
do
i
:
10.
1
109
/
W
I
W
.
2016
.
043
.
[
12]
N
a
v
de
e
p,
e
t
a
l
.
,
“
A
nov
e
l
m
ul
t
i
-
m
o
de
l
bi
o
m
e
t
r
i
c
f
us
i
o
n
a
pp
r
o
a
c
h
us
i
ng
pa
l
m
-
pr
i
nt
&
f
a
c
e
bi
o
m
e
t
r
i
c
,
”
I
n
t
e
r
nat
i
o
nal
J
our
nal
o
f
L
a
t
e
s
t
T
r
e
nd
s
i
n
E
ng
i
ne
e
r
i
ng
andT
e
c
h
nol
ogy
,
v
o
l
.
8,
no
.
3
,
pp
.
24
0
-
247
,
2
017
,
do
i
:
10.
1
109
/
A
R
T
C
o
m
.
2009.
2
24
.
[
13]
P
r
i
y
a
e
t
al
.
,
“
M
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
a
u
t
he
n
t
i
c
a
t
i
o
n
us
i
ng
ba
c
k
pr
o
pa
g
a
t
i
o
n
a
r
t
i
f
i
c
i
a
l
ne
u
r
a
l
ne
t
w
o
r
k
.
”
I
nt
e
r
n
at
i
on
al
J
our
nal
o
f
S
i
m
u
l
a
t
i
on:
S
y
s
t
e
m
s
,
S
c
i
e
nc
e
and
T
e
c
hno
l
og
y
,
v
o
l
.
1
9,
no
.
6,
pp
.
1
-
8,
2
018
.
[
14]
P
.
S
i
l
v
a
,
E
.
J
.
da
S
i
l
v
a
L
uz
,
L
.
A
.
Z
a
nl
o
r
e
n
s
i
,
D
.
M
e
no
t
t
i
,”
M
u
l
t
i
m
o
da
l
f
e
a
t
ur
e
l
e
v
e
l
f
us
i
o
n
ba
s
e
d
o
n
p
a
r
t
i
c
l
e
s
w
a
r
m
o
pt
i
m
i
z
a
t
i
o
n
w
i
t
h
d
e
e
p
t
r
a
ns
f
e
r
l
e
a
r
n
i
ng
,”
20
18
I
E
E
E
C
ongr
e
s
s
o
n
E
v
ol
ut
i
ona
r
y
C
om
p
ut
a
t
i
on
(
C
E
C
)
,
J
ul
.
201
8
.
[
15]
S
ukhd
e
v
S
i
ng
h
a
nd
C
ha
nde
r
K
a
nt
,
“
F
K
P
a
n
d
i
r
i
s
ba
s
e
d
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
s
y
s
t
e
m
us
i
ng
P
C
A
w
i
t
h
N
F
N
N
,”
I
nt
e
r
n
at
i
on
al
C
on
f
e
r
e
nc
e
on
Su
s
t
ai
n
ab
l
e
C
om
put
i
n
g
i
n
S
c
i
e
nc
e
,
T
e
c
hnol
o
gy
and
M
anage
m
e
nt
(
S
U
S
C
O
M
)
,
F
e
b.
2019
.
[
16]
E
l
M
e
hd
i
C
he
r
r
a
t
v
,
R
a
c
h
i
d
A
l
a
o
ui
,
H
a
s
s
a
ne
B
o
uz
a
hi
r
,
“
S
c
o
r
e
f
us
i
o
n
of
f
i
ng
e
r
v
e
i
n
a
nd
f
a
c
e
f
o
r
hum
a
n
r
e
c
o
g
ni
t
i
o
n
ba
s
e
d
o
nc
o
n
v
o
l
ut
i
o
na
l
ne
u
r
a
l
n
e
t
w
o
r
k
m
o
de
l
”
.
I
nt
e
r
na
t
i
ona
l
J
our
n
al
o
f
C
om
put
i
ng
,
v
o
l
.
19,
no
.
1
,
p
p.
11
-
19
,
M
a
r
.
2020
.
[
17]
P
.
Ku
m
a
r
i
,
K
.
R
.
S
e
e
j
a
,
“
P
e
r
i
o
c
ul
a
r
b
i
o
m
e
t
r
i
c
s
f
o
r
no
n
-
i
de
a
l
i
m
a
g
e
s
:
w
i
t
h
o
f
f
-
t
he
-
s
he
l
f
D
e
e
p
C
N
N
&
T
r
a
n
s
f
e
r
L
e
a
r
ni
ng
a
p
pr
o
a
c
h”
.
P
r
oc
e
di
a
C
om
p
ut
e
r
Sc
i
e
nc
e
,
v
o
l
.
16
7,
pp
.
344
-
352,
2
020
.
[
18]
A
r
un
A
.
R
o
s
s
,
K
.
N
a
nda
kum
a
r
,
A
,
K
,
J
a
i
n,
“
H
a
ndbo
o
k
o
f
M
u
l
t
i
b
i
o
m
e
t
r
i
c
s
,
”
Spr
i
nge
r
I
n
t
e
r
na
t
i
ona
l
E
di
t
i
on
,
2016
.
[
19]
Y
i
l
o
ng
,
e
t
al
.
,
“
A
m
ul
t
i
m
o
da
l
bi
o
m
e
t
r
i
c
da
t
a
b
a
s
e
”
.
T
he
6t
h
C
hi
ne
s
e
C
onf
e
r
e
nc
e
on
B
i
om
e
t
r
i
c
R
e
c
ogn
i
t
i
on
(
C
C
B
R
2011
)
,
L
N
C
S
709
8,
20
11,
p
p.
26
0
-
268
,
do
i
:
10
.
100
7/
s
100
44
-
009
-
0
151
-
4
.
[
20]
J
.
O
r
t
e
g
a
-
G
a
r
c
i
a
,
“
M
C
Y
T
ba
s
e
l
i
ne
c
o
r
pus
:
a
bi
m
o
da
l
bi
o
m
e
t
r
i
c
da
t
a
ba
s
e
”
I
E
E
p
r
oc
.
-
V
i
s
i
m
age
s
i
gna
l
pr
o
c
e
s
s
,
v
o
l
150,
n
o
.
6
,
D
e
c
.
2
103
,
do
i
:
10.
10
49/
i
p
-
v
i
s
:
2003107
8
.
[
21]
A
r
j
un
B
C
,
H
N
.
P
r
a
k
a
s
h
,
“
F
e
a
t
ur
e
l
e
v
e
l
f
us
i
o
n
o
f
s
e
v
e
n
ne
i
g
hbo
r
bi
l
i
n
e
a
r
i
n
t
e
r
po
l
a
t
i
o
n
d
a
t
a
s
e
t
s
o
f
f
i
ng
e
r
v
e
i
n
a
nd
i
r
i
s
f
o
r
m
ul
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
g
ni
t
i
o
n
,
”
I
nt
e
r
n
at
i
ona
l
J
ou
r
na
l
of
A
dv
an
c
e
d
T
r
e
nds
i
n
C
om
pu
t
e
r
Sc
i
e
nc
e
and
E
ngi
ne
e
r
i
n
g
,
v
ol
.
9
,
n
o
.
2
,
2020
,
do
i
:
10.
3
0534
/
i
j
a
t
c
s
e
/
20
20/
9592
20
20.
[
22]
E
l
m
e
h
di
C
he
r
r
a
t
,
R
a
c
hi
d
A
l
a
o
ui
,
H
a
s
s
a
n
e
B
o
uz
a
hi
r
,
“
A
m
ul
t
i
m
o
da
l
bi
o
m
e
t
r
i
c
i
de
nt
i
f
i
c
a
t
i
o
n
s
y
s
t
e
m
ba
s
e
d
o
n
c
a
s
c
a
de
a
dv
a
nc
e
d
o
f
f
i
ng
e
r
pr
i
n
t
,
f
i
ng
e
r
v
e
i
n
a
n
d
f
a
c
e
i
m
a
g
e
s
,
”
I
n
done
s
i
a
n
J
o
ur
n
al
of
E
l
e
c
t
r
i
c
a
l
E
ng
i
ne
e
r
i
ng
and
C
om
put
e
r
Sc
i
e
nc
e
,
v
o
l
.
18
,
n
o
,
1,
pp
.
156
2
-
1570
A
pr
.
202
0
,
do
i
:
10.
11591
/
i
j
e
e
c
s
.
v
18
.
i
1
.
[
23]
A
r
j
un
B
C
,
H
N
P
r
a
k
a
s
h
,
“
M
u
l
t
i
m
o
da
l
b
i
o
m
e
t
r
i
c
r
e
c
o
g
ni
t
i
o
n:
f
us
i
o
n
o
f
m
o
di
f
i
e
d
a
da
p
t
i
v
e
bi
l
i
n
e
a
r
i
n
t
e
r
po
l
a
t
i
o
n
da
t
a
s
a
m
pl
e
s
o
f
f
a
c
e
a
nd
s
i
g
na
t
u
r
e
us
i
ng
l
o
c
a
l
b
i
n
a
r
y
pa
t
t
e
r
n
f
e
a
t
u
r
e
s
”
I
nt
e
r
n
at
i
on
al
J
ou
r
na
l
o
f
E
ngi
ne
e
r
i
ng
a
nd
A
dv
an
c
e
d
T
e
c
hno
l
o
gy
(
I
J
E
A
T
)
,
V
o
l
.
9
,
no
.
3
,
pp
.
2249
-
89
58
,
F
e
b
.
2
020
,
do
i
:
10.
3594
0/
i
j
e
a
t
.
C
6117
.
0
2932
0
.
[
24]
J
a
s
o
n
B
r
o
w
nl
e
e
,
“
D
e
e
p
l
e
a
r
n
i
ng
w
i
t
h
py
t
ho
n
de
v
e
l
o
p
de
e
p
l
e
a
r
n
i
ng
m
o
de
l
s
o
n
t
he
a
no
a
nd
t
e
ns
o
r
f
l
o
w
,
”
M
a
c
hi
ne
L
e
ar
ni
n
g
M
a
s
t
e
r
y
,
201
6.
[
25]
A
.
R
o
s
s
,
G
o
v
i
nda
r
a
j
a
n
,
“
F
e
a
t
ur
e
L
e
v
e
l
f
us
i
o
n
us
i
ng
ha
nd
a
nd
f
a
c
e
bi
o
m
e
t
r
i
c
s
,”
P
r
oc
e
e
di
n
gs
of
SP
I
E
C
on
f
e
r
e
nc
e
on
B
i
om
e
t
r
i
c
T
e
c
hno
l
og
y
f
o
r
H
um
an
I
de
n
t
i
f
i
c
at
i
o
n
I
,
v
o
l
.
5779
,
pp
.
19
6
–
204
,
200
5
,
do
i
:
10.
1
117
/
12
.
60
6093
.
[
26]
R
o
s
s
A
,
“
F
us
i
o
n,
F
e
a
t
u
r
e
-
L
e
v
e
l
,”
E
nc
y
c
l
ope
di
a
of
B
i
om
e
t
r
i
c
s
.
Spr
i
nge
r
,
B
os
t
on
,
200
9.
[
27]
N
.
D
a
l
a
l
,
B
.
T
r
i
g
g
s
, “
H
i
s
t
o
g
r
a
m
s
o
f
o
r
i
e
nt
e
d
g
r
a
d
i
e
n
t
s
f
o
r
hum
a
n
d
e
t
e
c
t
i
o
n
,”
I
E
E
E
C
om
pu
t
e
r
Soc
i
e
t
y
C
on
f
e
r
e
nc
e
on
C
om
put
e
r
V
i
s
i
on
and
P
at
t
e
r
n
R
e
c
og
ni
t
i
on
,
v
o
l
.
1
,
pp
.
886
–
893
,
J
u
n
.
2015
,
do
i
:
10.
11
09
/
C
V
P
R
.
2
005
.
17
7
.
B
I
O
G
R
A
P
H
I
ES
O
F
A
U
T
H
O
R
S
A
r
j
u
n
B
C
r
e
c
e
i
v
e
d
a
d
e
g
r
e
e
i
n
B
a
c
he
l
o
r
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
a
nd
E
ng
i
n
e
e
r
i
ng
f
r
o
m
V
i
s
v
e
s
v
a
r
a
y
a
T
e
c
hno
l
og
i
c
a
l
U
ni
v
e
r
s
i
t
y
,
B
e
l
g
a
um
,
K
a
r
n
a
t
a
ka
,
I
ndi
a
,
a
nd
M
.
T
e
c
h
i
n
I
ndus
t
r
i
a
l
A
ut
o
m
a
t
i
o
n
a
nd
R
o
bo
t
i
c
s
f
r
o
m
V
i
s
v
e
s
v
a
r
a
y
a
T
e
c
hno
l
og
i
c
a
l
U
ni
v
e
r
s
i
t
y
B
e
l
g
a
um
,
K
a
r
n
a
t
a
ka
.
I
ndi
a
.
C
ur
r
e
nt
l
y
,
he
i
s
pur
s
u
i
ng
a
P
h
.
D
.
i
n
C
o
m
put
e
r
S
c
i
e
nc
e
a
nd
E
ng
i
ne
e
r
i
ng
a
t
V
i
s
v
e
s
v
a
r
a
y
a
Te
c
hno
l
o
g
i
c
a
l
U
ni
v
e
r
s
i
t
y
,
B
e
l
g
a
um
K
a
r
na
t
a
ka
,
I
ndi
a
.
H
e
i
s
c
ur
r
e
n
t
l
y
w
o
r
ki
ng
a
s
a
n
A
s
s
i
s
t
a
nt
P
r
o
f
e
s
s
o
r
i
n
t
h
e
D
e
pa
r
t
m
e
n
t
o
f
I
nf
o
r
m
a
t
i
o
n
S
c
i
e
nc
e
&
E
ng
i
ne
e
r
i
ng
a
t
R
a
j
e
e
v
I
ns
t
i
t
ut
e
o
f
T
e
c
hno
l
o
gy
,
H
a
s
s
a
n
K
a
r
na
t
a
k
a
,
a
nd
I
ndi
a
.
H
e
ha
s
2
y
e
a
r
s
o
f
i
ndus
t
r
y
e
xpe
r
i
e
nc
e
a
nd
10
y
e
a
r
s
o
f
t
e
a
c
hi
ng
e
xp
e
r
i
e
nc
e
.
H
i
s
r
e
s
e
a
r
c
h
i
n
t
e
r
e
s
t
i
nc
l
u
de
s
I
m
a
g
e
pr
o
c
e
s
s
i
ng
,
P
a
t
t
e
r
n
r
e
c
o
g
ni
t
i
o
n,
A
r
t
i
f
i
c
i
a
l
I
nt
e
l
l
i
g
e
nc
e
,
A
r
t
i
f
i
c
i
a
l
N
e
u
r
a
l
N
e
t
w
o
r
k
,
D
e
e
p
L
e
a
r
ni
ng
,
a
nd
M
a
c
hi
ne
L
e
a
r
n
i
ng
.
H
e
ha
s
pub
l
i
s
h
e
d
pa
p
e
r
s
i
n
c
o
nf
e
r
e
nc
e
s
a
nd
I
nt
e
r
n
a
t
i
o
na
l
J
o
ur
na
l
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
Mul
t
i
m
oda
l
b
i
om
e
t
r
i
c
s
of
f
i
ng
e
r
pr
i
n
t
an
d
s
i
gnat
ur
e
r
e
c
o
gni
t
i
o.
.
.
(
A
r
j
un
B
e
nagat
t
e
Ch
anne
gow
da
)
195
D
r
.
H
N
P
r
ak
as
h
r
e
c
e
i
v
e
d
a
d
e
g
r
e
e
i
n
B
a
c
he
l
o
r
o
f
E
l
e
c
t
r
o
ni
c
s
a
nd
C
o
m
m
uni
c
a
t
i
o
ns
a
nd
E
ng
i
ne
e
r
i
ng
f
r
o
m
M
y
s
o
r
e
U
ni
v
e
r
s
i
t
y
,
K
a
r
na
t
a
k
a
,
I
ndi
a
,
a
n
d
M
.
T
e
c
h
i
n
E
l
e
c
t
r
o
ni
c
s
I
ns
t
r
um
e
n
t
a
t
i
o
n
f
r
o
m
N
a
t
i
o
na
l
I
ns
t
i
t
u
t
e
o
f
T
e
c
hno
l
ogy
W
a
r
a
ng
a
l
,
T
e
l
a
ng
a
na
,
I
ndi
a
,
a
nd
P
h
.
D
i
n
C
o
m
put
e
r
S
c
i
e
nc
e
f
r
o
m
M
y
s
o
r
e
U
ni
v
e
r
s
i
t
y
,
K
a
r
na
t
a
ka
,
I
ndi
a
.
H
e
i
s
c
ur
r
e
nt
l
y
w
o
r
ki
ng
a
s
a
P
r
o
f
e
s
s
o
r
a
nd
H
e
a
d
i
n
t
he
D
e
p
a
r
t
m
e
n
t
o
f
C
o
m
put
e
r
S
c
i
e
nc
e
&
E
n
g
i
ne
e
r
i
ng
a
t
R
a
j
e
e
v
I
ns
t
i
t
ut
e
o
f
T
e
c
hno
l
ogy
,
H
a
s
s
a
n,
K
a
r
na
t
a
k
a
,
I
ndi
a
.
H
e
ha
s
30
y
e
a
r
s
o
f
t
e
a
c
hi
ng
e
xpe
r
i
e
nc
e
.
H
i
s
r
e
s
e
a
r
c
h
i
nt
e
r
e
s
t
i
nc
l
u
de
s
i
m
a
g
e
pr
o
c
e
s
s
i
ng
,
pa
t
t
e
r
n
r
e
c
o
g
ni
t
i
o
n,
A
r
t
i
f
i
c
i
a
l
I
nt
e
l
l
i
g
e
nc
e
,
A
r
t
i
f
i
c
i
a
l
N
e
u
r
a
l
N
e
t
w
o
r
k
a
nd
M
a
c
h
i
ne
L
e
a
r
n
i
ng
.
H
e
ha
s
p
ubl
i
s
he
d
m
a
ny
pa
pe
r
s
i
n
N
a
t
i
o
na
l
a
n
d
I
nt
e
r
na
t
i
o
na
l
c
o
n
f
e
r
e
nc
e
s
a
nd
J
o
ur
na
l
s
.
H
e
h
a
s
pu
bl
i
s
he
d
I
E
E
E
t
r
a
ns
a
c
t
i
o
n
s
i
n
P
a
t
t
e
r
n
R
e
c
o
g
ni
t
i
o
n
a
n
d
M
a
c
hi
n
e
I
nt
e
l
l
i
g
e
nc
e
.
Evaluation Warning : The document was created with Spire.PDF for Python.