I
n
d
on
e
s
ian
Jou
r
n
al
o
f
E
lec
t
r
ica
l
E
n
gin
e
e
r
in
g
a
n
d
Com
p
u
t
e
r
S
c
ience
Vo
l
.
3
7
,
N
o
.
1
,
J
a
n
ua
r
y
20
2
5
,
pp.
347
~
355
I
S
S
N:
2
502
-
4
7
52
,
DO
I
:
10
.
11591/i
j
e
e
cs
.v
3
7
.
i
1
.
pp
347
-
355
347
Jou
r
n
al
h
o
m
e
page
:
ht
tp:
//
ij
e
e
cs
.
iaes
c
or
e
.
c
om
E
n
h
a
n
c
in
g
h
y
p
e
r
t
e
n
si
on
p
r
e
d
ic
t
io
n
:
a h
y
b
r
id
m
ac
h
in
e
l
e
ar
n
in
g
op
t
i
m
i
z
at
io
n
a
p
p
r
oac
h
Abd
Al
l
ah
Aou
r
agh
1
,
M
oh
am
e
d
B
ah
aj
1
,
F
ou
ad
T
ou
f
i
k
2
1
M
I
E
T
L
a
b
or
a
t
o
r
y
, F
a
c
ul
t
y
of
S
c
i
e
n
c
e
s
a
nd
T
e
c
hni
qu
e
s
, H
a
s
s
a
n 1
st
U
ni
v
e
r
s
it
y
, S
e
tt
a
t,
M
or
o
c
c
o
2
C
o
mput
e
r
S
c
ie
n
c
e
s
L
a
b
o
r
a
t
o
r
y
,
H
ig
h
e
r
S
c
h
oo
l
of
T
e
c
hn
o
l
o
g
y
,
M
o
ha
mm
e
d V
U
ni
ve
r
s
it
y
, S
a
l
e
, M
or
oc
c
o
Ar
t
ic
l
e
I
n
f
o
AB
S
T
RA
CT
A
r
ti
c
le
h
is
tor
y
:
R
e
c
e
i
ve
d
M
a
y
7
,
202
4
R
e
vi
s
e
d
S
e
p
8
,
202
4
A
c
c
e
pt
e
d
S
e
p
29
,
202
4
E
arl
y
i
d
e
n
t
i
f
i
c
at
i
o
n
o
f
h
y
p
e
rt
en
s
i
o
n
i
s
c
r
u
c
i
a
l
t
o
p
re
v
e
n
t
i
t
s
s
e
ri
o
u
s
c
o
m
p
l
i
c
at
i
o
n
s
,
w
h
i
ch
c
a
n
l
e
a
d
t
o
d
e
v
as
t
at
i
n
g
h
e
al
t
h
e
f
fec
t
s
b
y
t
h
r
e
at
en
i
n
g
l
i
f
e
s
t
y
l
e
q
u
a
l
i
t
y
an
d
s
i
g
n
i
f
i
c
an
t
l
y
i
n
c
r
e
as
i
n
g
p
r
em
at
u
r
e
mo
rt
al
i
t
y
.
T
h
i
s
s
t
u
d
y
ai
m
s
t
o
e
v
a
l
u
at
e
t
h
e
e
ffec
t
i
v
e
n
e
s
s
o
f
m
a
c
h
i
n
e
l
e
ar
n
i
n
g
t
ec
h
n
i
q
u
e
s
i
n
p
re
d
i
c
t
i
n
g
t
h
e
p
re
s
e
n
ce
o
f
h
y
p
e
rt
e
n
s
i
o
n
fr
o
m
an
u
n
b
al
a
n
c
ed
d
at
as
e
t
c
o
n
s
i
s
t
i
n
g
o
f
4
,
3
6
3
re
c
o
r
d
s
an
d
3
5
fe
at
u
r
e
s
.
T
o
b
al
an
ce
t
h
e
d
at
as
e
t
,
w
e
em
p
l
o
y
ed
t
h
e
s
y
n
t
h
e
t
i
c
m
i
n
o
r
i
t
y
o
v
e
r
-
s
am
p
l
i
n
g
t
ec
h
n
i
q
u
e
(
SMO
T
E
)
al
g
o
r
i
t
h
m
.
I
n
a
d
d
i
t
i
o
n
,
t
o
s
e
l
ec
t
t
h
e
m
o
s
t
r
el
e
v
an
t
f
eat
u
re
s
,
w
e
u
s
ed
an
t
c
o
l
o
n
y
o
p
t
i
m
i
zat
i
o
n
.
N
e
x
t
,
w
e
ap
p
l
i
ed
v
ar
i
o
u
s
al
g
o
r
i
t
h
m
s
,
i
n
c
l
u
d
i
n
g
l
o
g
i
s
t
i
c
re
g
r
e
s
s
i
o
n
(
L
R)
,
K
-
n
e
ar
e
s
t
n
e
i
g
h
b
o
rs
(
K
N
N
s
)
,
s
u
p
p
o
rt
v
ec
t
o
r
m
a
c
h
i
n
e
(SV
M)
,
e
x
t
ra
t
re
e
s
(E
T
s
)
,
an
d
A
d
aBo
o
s
t
(A
B)
.
W
e
al
s
o
e
v
a
l
u
at
e
d
t
h
e
o
p
t
i
mi
zat
i
o
n
o
f
h
y
p
e
rp
arame
t
e
rs
u
s
i
n
g
t
w
o
me
t
h
o
d
s
:
B
ay
e
s
i
a
n
o
p
t
i
m
i
zat
i
o
n
(BO
)
an
d
p
art
i
cl
e
s
w
ar
m
o
p
t
i
m
i
zat
i
o
n
(PSO
)
.
T
h
e
r
es
u
l
t
s
rev
e
al
t
h
at
t
h
e
c
o
m
b
i
n
at
i
o
n
o
f
AB
w
i
t
h
BO
d
em
o
n
s
t
rat
e
d
s
u
p
e
r
i
o
r
p
e
rfo
r
m
a
n
ce
,
w
i
t
h
a
n
acc
u
ra
cy
o
f
9
7
.
6
0
%
,
a
rec
a
l
l
o
f
9
8
.
9
3
%
,
an
d
a
p
rec
i
s
i
o
n
o
f
9
8
.
5
9
%
.
T
h
i
s
re
s
e
ar
c
h
em
p
h
as
i
z
e
s
t
h
e
p
o
t
e
n
t
i
a
l
o
f
m
a
ch
i
n
e
l
e
a
rn
i
n
g
t
ec
h
n
i
q
u
e
s
f
o
r
an
t
i
ci
p
at
i
n
g
h
y
p
e
rt
e
n
s
i
o
n
a
n
d
h
i
g
h
l
i
g
h
t
s
t
h
e
i
m
p
o
rt
an
ce
o
f
o
p
t
i
m
i
zat
i
o
n
t
e
ch
n
i
q
u
e
s
i
n
i
m
p
ro
v
i
n
g
p
red
i
c
t
i
v
e
m
o
d
e
l
s
’
p
e
rfo
r
m
an
ce.
K
e
y
w
o
r
d
s
:
An
t
c
o
l
o
ny
o
pt
i
mi
z
a
t
i
o
n
B
a
y
e
s
i
a
n
o
pt
i
m
i
z
a
t
i
o
n
F
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
H
y
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
H
y
pe
r
t
e
n
s
i
o
n
M
a
c
hi
ne
l
e
a
r
ni
ng
P
a
r
t
i
c
l
e
s
wa
r
m
o
pt
i
mi
z
a
t
i
o
n
S
M
OT
E
Th
i
s
i
s
a
n
o
p
en
a
c
ces
s
a
r
t
i
c
l
e
u
n
d
e
r
t
h
e
CC
B
Y
-
SA
l
i
cen
s
e.
C
or
r
e
s
pon
din
g
A
u
th
or
:
Ab
d
All
a
h
A
o
ur
a
gh
M
I
E
T
L
a
b
o
r
a
to
r
y
,
F
a
c
u
l
t
y
o
f
S
c
i
e
n
c
e
s
a
n
d
T
e
c
hniques
,
Ha
s
s
a
n
1
st
U
ni
ve
r
s
i
t
y
S
e
tt
a
t,
M
o
r
o
c
c
o
E
m
a
i
l
:
a
b
da
ll
a
h
a
o
ur
a
gh@
g
m
a
il
.
c
o
m
1.
I
NT
RODU
C
T
I
ON
H
y
pe
r
t
e
n
s
i
o
n
,
a
l
s
o
kn
o
wn
a
s
hi
g
h
bl
o
o
d
pr
e
s
s
ur
e
,
i
s
a
m
e
d
i
c
a
l
c
o
n
d
i
t
i
o
n
c
h
a
r
a
c
t
e
r
i
z
e
d
b
y
pe
r
s
i
s
t
e
n
t
l
y
hi
g
h
bl
o
o
d
pr
e
s
s
ur
e
t
h
a
t
a
f
f
e
c
t
s
m
o
r
e
t
h
a
n
a
bil
li
o
n
pe
o
pl
e
wo
r
l
dw
i
de
[
1]
.
I
t
r
e
p
r
e
s
e
n
t
s
a
s
e
r
i
o
us
g
l
o
b
a
l
h
e
a
l
t
h
pr
o
bl
e
m
,
whi
c
h
n
o
t
a
bl
y
i
nc
r
e
a
s
e
s
t
h
e
r
i
s
k
o
f
c
a
r
d
i
o
v
a
s
c
u
l
a
r
d
i
s
e
a
s
e
,
s
t
r
o
ke
,
a
n
d
k
i
d
n
e
y
d
i
s
o
r
de
r
s
[
1]
,
[
2]
.
W
o
r
l
dw
i
de
,
a
r
o
un
d
10
m
il
li
o
n
de
a
t
h
s
a
r
e
a
s
s
o
c
i
a
t
e
d
wi
t
h
hy
p
e
r
t
e
n
s
i
o
n
e
v
e
r
y
y
e
a
r
,
m
a
k
i
ng
i
t
o
n
e
o
f
t
h
e
f
o
r
e
m
o
s
t
f
a
c
t
o
r
s
l
e
a
d
i
ng
to
de
a
t
h
[
1
]
,
[
2
]
.
T
h
e
r
i
s
k
s
a
n
d
c
o
n
s
e
qu
e
n
c
e
s
o
f
hy
pe
r
t
e
n
s
i
o
n
i
n
c
l
ud
e
da
m
a
ge
t
o
vi
t
a
l
or
ga
n
s
,
r
e
duc
e
d
qua
l
i
t
y
o
f
l
i
f
e
,
a
nd
a
n
i
nc
r
e
a
s
e
d
r
i
s
k
o
f
pr
e
m
a
t
ur
e
de
a
t
h
[
2]
,
[
3]
.
I
n
a
dd
i
t
i
o
n
,
h
y
p
e
r
t
e
n
s
i
on
i
s
a
p
r
om
i
n
e
n
t
r
i
s
k
e
l
e
m
e
n
t
f
o
r
o
th
e
r
s
e
r
i
o
u
s
h
e
a
l
th
i
s
s
u
e
s
,
s
u
c
h
a
s
k
i
d
n
e
y
di
s
e
a
s
e
a
n
d
d
i
a
b
e
te
s
[
2
]
,
[
3
]
.
Av
a
il
a
bl
e
t
r
e
a
t
m
e
n
t
s
c
o
v
e
r
a
n
t
i
hy
pe
r
t
e
n
s
i
ve
dr
ugs
,
l
if
e
s
t
y
l
e
m
o
d
i
f
i
c
a
t
i
o
ns
,
a
n
d
r
e
gu
l
a
r
m
o
ni
t
o
r
i
ng
[
3]
.
Ho
we
v
e
r
,
c
h
a
l
l
e
n
ge
s
r
e
m
a
i
n
,
i
n
c
l
ud
i
ng
t
r
e
a
t
m
e
nt
n
o
n
-
a
dh
e
r
e
n
c
e
a
n
d
t
h
e
c
o
s
t
s
a
s
s
o
c
i
a
t
e
d
wi
t
h
l
o
n
g
-
t
e
r
m
d
i
s
e
a
s
e
m
a
n
a
g
e
m
e
n
t
[
4]
.
C
o
n
s
e
que
n
t
l
y
,
e
a
r
ly
r
e
c
o
gni
t
i
o
n
a
n
d
i
n
t
e
r
v
e
n
t
i
o
n
a
r
e
c
r
uc
i
a
l
t
o
m
i
t
i
g
a
t
i
n
g
t
h
e
r
i
s
k
o
f
s
e
r
i
o
us
c
o
m
p
li
c
a
t
i
o
ns
a
n
d
r
e
duc
i
n
g
t
h
e
m
o
r
bi
d
i
t
y
a
n
d
m
o
r
t
a
l
i
t
y
a
s
s
o
c
i
a
t
e
d
w
i
t
h
hy
pe
r
t
e
ns
i
o
n
,
t
h
us
he
l
p
i
ng
to
a
l
l
e
vi
a
t
e
t
h
e
b
ur
de
n
o
f
t
h
e
di
s
e
a
s
e
o
n
h
e
a
l
t
h
c
a
r
e
s
y
s
t
e
m
s
[
5]
.
M
a
c
hi
ne
l
e
a
r
ni
ng
t
e
c
hni
qu
e
s
pr
o
vi
de
a
v
a
l
ua
ble
too
l
i
n
t
h
e
h
e
a
l
t
hc
a
r
e
f
i
e
l
d,
o
f
f
e
r
i
n
g
t
h
e
a
bil
i
t
y
to
a
n
a
ly
z
e
l
a
r
ge
m
e
d
i
c
a
l
da
t
a
s
e
t
s
to
pr
e
di
c
t
d
i
s
e
a
s
e
s
[
6]
,
[
7]
.
T
h
e
i
r
u
s
e
c
a
n
h
e
l
p
t
o
i
de
n
t
i
f
y
r
i
s
k
f
a
c
t
o
r
s
,
de
t
e
c
t
e
a
r
l
y
wa
r
ni
n
g
s
i
g
n
s
o
f
c
o
n
d
i
t
i
o
n
s
s
u
c
h
a
s
hy
pe
r
t
e
n
s
i
o
n
,
a
nd
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
1
,
J
a
n
ua
r
y
20
2
5
:
347
-
355
348
t
a
i
l
o
r
i
n
t
e
r
v
e
n
t
i
o
n
s
i
n
a
pe
r
s
o
n
a
li
z
e
d
wa
y
[
8]
.
B
y
i
n
t
e
gr
a
t
i
n
g
da
t
a
b
a
l
a
n
c
i
ng
[
9]
a
n
d
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
[
10]
m
e
t
h
o
ds
,
a
s
we
ll
a
s
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
[
11]
,
we
c
a
n
i
m
pr
o
v
e
t
h
e
a
c
c
ur
a
c
y
o
f
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
,
t
h
us
c
o
n
tr
i
b
ut
i
n
g
to
m
o
r
e
e
f
f
i
c
i
e
n
t
pa
t
i
e
n
t
m
a
na
ge
m
e
n
t
a
n
d
r
e
duc
i
n
g
t
h
e
b
ur
de
n
o
n
h
e
a
l
t
hc
a
r
e
s
y
s
t
e
m
s
[
12]
.
T
h
e
s
e
t
e
c
hni
que
s
’
e
f
f
e
c
t
i
v
e
n
e
s
s
i
n
a
n
t
i
c
i
pa
t
i
n
g
h
e
a
l
t
h
c
a
r
e
n
e
e
d
s
pa
v
e
s
t
h
e
wa
y
f
o
r
a
pr
o
a
c
t
i
v
e
a
pp
r
o
a
c
h
to
m
e
d
i
c
a
l
c
a
r
e
,
pr
o
m
ot
i
n
g
o
pt
i
m
i
z
e
d
c
l
i
n
i
c
a
l
o
ut
c
o
m
e
s
a
n
d
b
e
t
t
e
r
a
l
l
o
c
a
t
i
o
n
o
f
m
e
d
i
c
a
l
r
e
s
o
ur
c
e
s
.
I
n
t
hi
s
c
o
n
t
e
x
t
,
P
a
dm
a
n
a
bh
a
n
e
t
al.
[
13]
a
s
s
e
r
t
th
a
t
whil
e
a
r
t
i
f
i
c
i
a
l
i
n
t
e
l
li
g
e
n
c
e
(
A
I
)
a
n
d
m
a
c
hi
ne
l
e
a
r
ni
ng
(
M
L
)
h
o
l
d
t
h
e
p
ot
e
n
t
i
a
l
f
o
r
r
e
duc
i
n
g
t
h
e
g
l
o
b
a
l
b
ur
de
n
o
f
hy
p
e
r
t
e
n
s
i
o
n
,
t
h
e
i
r
f
u
ll
po
t
e
n
t
i
a
l
i
s
y
e
t
to
b
e
r
e
a
li
z
e
d
due
t
o
s
e
v
e
r
a
l
c
h
a
ll
e
n
ge
s
.
T
h
e
y
a
d
v
o
c
a
t
e
f
o
r
a
c
l
o
s
e
r
c
o
l
l
a
b
o
r
a
t
i
o
n
b
e
t
we
e
n
c
li
n
i
c
i
a
ns
a
n
d
M
L
e
x
pe
r
t
s
to
s
uc
c
e
s
s
f
u
ll
y
i
n
t
e
gr
a
t
e
A
I
i
n
t
o
hy
p
e
r
t
e
n
s
i
o
n
t
r
e
a
t
m
e
n
t
,
un
de
r
s
c
o
r
i
n
g
t
h
e
i
m
po
r
t
a
n
c
e
o
f
c
o
n
t
i
n
ue
d
r
e
s
e
a
r
c
h
a
n
d
de
v
e
l
o
p
m
e
n
t
to
o
v
e
r
c
o
m
e
e
xi
s
t
i
ng
h
ur
d
l
e
s
.
De
s
p
i
t
e
a
c
kn
o
w
l
e
dg
i
ng
t
h
e
s
e
c
h
a
ll
e
n
g
e
s
,
t
h
e
y
r
e
m
a
i
n
o
pt
i
m
i
s
t
i
c
a
b
o
ut
t
h
e
f
ut
ur
e
r
o
l
e
o
f
A
I
a
n
d
M
L
i
n
hy
pe
r
t
e
n
s
i
o
n
c
a
r
e
.
M
a
r
t
i
n
e
z
-
R
í
o
s
e
t
al.
[
14
]
c
a
r
r
i
e
d
o
u
t
a
l
i
t
e
r
a
t
ur
e
r
e
vi
e
w
o
n
t
h
e
us
e
o
f
m
a
c
hi
ne
l
e
a
r
ni
ng
t
e
c
h
ni
que
s
i
n
h
e
a
l
t
h
c
a
r
e
,
wi
t
h
a
pa
r
t
i
c
u
l
a
r
f
o
c
us
o
n
s
t
udi
e
s
o
f
hy
pe
r
t
e
ns
i
o
n
.
T
h
e
i
r
a
n
a
ly
s
i
s
r
e
ve
a
l
e
d
t
h
a
t
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
h
a
v
e
b
e
e
n
w
i
de
ly
us
e
d
to
de
t
e
c
t
hy
pe
r
t
e
ns
i
ve
s
u
bj
e
c
t
s
f
r
o
m
p
hy
s
i
o
l
o
g
i
c
a
l
s
i
g
na
l
s
,
n
o
t
a
bl
y
e
l
e
c
t
r
o
c
a
r
di
o
gr
a
ph
(
E
C
G)
a
n
d
ph
o
to
pl
e
t
hy
s
m
o
gr
a
p
hy
(
P
P
G)
wa
v
e
s
.
Ho
we
v
e
r
,
t
h
e
y
n
o
t
e
d
i
ns
u
f
f
i
c
i
e
n
t
e
x
p
l
o
r
a
t
i
o
n
o
f
t
h
e
c
o
r
r
e
l
a
t
i
o
n
b
e
t
we
e
n
s
o
c
i
o
-
de
m
o
gr
a
phi
c
o
r
c
l
i
ni
c
a
l
da
t
a
a
n
d
phy
s
i
o
lo
gi
c
a
l
s
i
g
n
a
l
s
,
de
s
p
i
t
e
t
h
e
i
r
pot
e
n
t
i
a
l
i
m
p
a
c
t
on
bl
o
o
d
pr
e
s
s
ur
e
.
F
i
n
a
ll
y
,
t
h
e
y
r
a
i
s
e
d
c
o
n
c
e
r
n
s
a
b
o
u
t
t
h
e
i
n
t
e
r
pr
e
t
a
bi
li
t
y
o
f
m
o
de
l
s
a
n
d
t
h
e
i
r
t
r
a
i
ni
ng
t
i
m
e
,
whi
c
h
c
a
n
b
e
m
i
t
i
ga
t
e
d
by
e
m
p
l
o
y
i
ng
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
m
e
t
h
o
ds
.
L
a
f
r
e
ni
e
r
e
e
t
al.
[
15
]
h
a
v
e
s
ugge
s
t
e
d
e
m
p
l
o
y
i
ng
a
r
t
i
f
i
c
i
a
l
n
e
ur
a
l
n
e
t
wo
r
ks
(
A
NN
s
)
a
s
a
r
o
b
us
t
m
a
c
hi
ne
l
e
a
r
ni
ng
m
e
t
h
o
d
to
a
n
t
i
c
i
p
a
t
e
t
h
e
pr
e
s
e
n
c
e
o
f
hy
pe
r
t
e
n
s
i
o
n
i
n
a
t
-
r
i
s
k
i
nd
i
vi
du
a
l
s
w
hil
e
l
im
i
t
i
ng
hu
m
a
n
e
r
r
o
r
.
T
h
e
i
r
r
e
s
e
a
r
c
h
i
de
n
t
i
f
i
e
s
ke
y
r
i
s
k
f
a
c
t
or
s
b
a
s
e
d
o
n
m
e
d
i
c
a
l
hi
s
t
o
r
y
,
c
ur
r
e
n
t
h
e
a
l
t
h
s
t
a
t
us
,
a
n
d
pa
t
i
e
n
t
de
m
o
gr
a
phi
c
s
,
a
n
d
t
h
e
n
us
e
s
t
h
e
m
to
pr
e
di
c
t
hy
pe
r
t
e
n
s
i
o
n
i
n
a
g
i
ve
n
i
nd
i
vi
du
a
l
.
T
he
i
r
n
e
ur
a
l
n
e
t
wo
r
k
m
o
de
l
a
c
hi
e
v
e
s
a
n
a
c
c
ur
a
c
y
o
f
a
r
o
un
d
82%
.
F
a
n
g
e
t
al.
[
16
]
s
ugge
s
t
e
d
l
i
f
e
s
t
y
l
e
c
h
a
n
g
e
s
,
dr
ug
t
r
e
a
t
m
e
n
t
,
o
r
m
a
c
hi
ne
l
e
a
r
ni
ng
t
e
c
hni
qu
e
s
to
c
ur
b
hy
pe
r
t
e
n
s
i
o
n
pr
o
gr
e
s
s
i
o
n
i
n
pr
e
c
li
ni
c
a
l
i
nd
i
v
i
dua
ls
.
T
h
e
y
de
v
e
l
o
pe
d
a
pr
e
d
i
c
t
i
v
e
m
o
de
l
us
i
ng
a
c
om
b
i
na
t
i
o
n
o
f
K
N
N
a
n
d
L
i
g
h
t
GB
M
to
e
s
t
i
m
a
t
e
hy
pe
r
t
e
ns
i
o
n
r
i
s
k
o
v
e
r
f
i
ve
y
e
a
r
s
b
a
s
e
d
o
n
a
ge
a
n
d
bl
o
o
d
i
n
d
i
c
a
t
o
r
s
.
T
h
e
i
r
m
o
de
l
e
xhi
b
i
t
e
d
r
e
l
i
a
b
i
li
t
y
,
w
i
t
h
pr
e
c
i
s
i
o
n
a
nd
r
e
c
a
l
l
e
x
c
e
e
d
i
ng
86%
a
n
d
9
2%
,
r
e
s
pe
c
t
i
v
e
ly
.
Hun
g
e
t
al.
[
17]
de
v
e
l
o
pe
d
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
ba
s
e
d
o
n
m
a
c
hi
ne
l
e
a
r
ni
n
g
t
o
de
t
e
c
t
m
a
s
ke
d
a
n
d
un
c
o
n
t
r
o
l
l
e
d
hy
pe
r
t
e
n
s
i
o
n
f
r
o
m
c
li
n
i
c
a
l
f
e
a
t
ur
e
s
c
o
l
l
e
c
t
e
d
dur
i
n
g
a
s
i
ng
l
e
c
o
n
s
u
l
t
a
t
i
o
n
.
T
hi
r
t
y
-
t
h
r
e
e
c
l
i
n
i
c
a
l
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
we
r
e
us
e
d
f
o
r
c
o
n
s
t
r
uc
t
i
n
g
m
o
de
l
s
ut
i
li
z
i
ng
A
NN
,
l
o
g
i
s
t
i
c
r
e
gr
e
s
s
i
o
n
(
L
R
)
,
e
x
t
r
e
m
e
gr
a
d
i
e
n
t
b
o
o
s
t
i
n
g
(
XG
B
oo
s
t)
,
a
n
d
r
a
n
do
m
f
o
r
e
s
t
(
R
F
)
.
T
h
e
r
e
s
ul
t
s
s
h
o
we
d
t
h
a
t
t
h
e
R
F
,
XG
b
o
o
s
t,
a
n
d
A
NN
m
o
de
l
s
o
u
t
pe
r
f
o
r
m
e
d
t
h
e
L
R
m
o
de
l
,
w
i
t
h
b
e
t
t
e
r
e
f
f
i
c
i
e
n
c
y
i
n
t
e
r
m
s
o
f
a
r
e
a
un
de
r
t
h
e
R
OC
c
u
r
v
e
(
A
U
C
)
(
83.
7%
)
.
Z
h
a
o
e
t
al
.
[
18
]
a
s
s
e
s
s
e
d
a
n
d
c
o
n
t
r
a
s
t
e
d
t
h
e
e
f
f
ica
c
y
o
f
f
o
ur
m
a
c
hi
ne
l
e
a
r
ni
ng
a
l
go
r
i
t
hm
s
:
L
R
,
C
a
t
B
oo
s
t
,
A
NN
s
,
a
n
d
R
F
.
Us
i
n
g
a
da
t
a
s
e
t
c
o
m
pr
i
s
i
ng
29,
700
i
ns
t
a
n
c
e
s
ga
t
h
e
r
e
d
dur
i
n
g
p
hy
s
i
c
a
l
e
x
a
mi
na
t
i
o
n
s
,
t
h
e
f
i
nd
i
n
g
s
i
n
d
i
c
a
t
e
d
t
h
a
t
t
h
e
R
F
m
o
de
l
o
u
t
pe
r
f
o
r
m
e
d
t
h
e
ot
h
e
r
s
,
wi
t
h
a
n
A
UC
-
R
O
C
o
f
92%
,
a
c
c
ur
a
c
y
o
f
82%
,
s
e
n
s
i
t
i
v
i
t
y
o
f
83%
,
a
n
d
s
pe
c
i
f
i
c
i
t
y
o
f
81%
.
Ya
n
e
t
al.
[
19]
us
e
d
a
pa
r
t
i
c
l
e
s
wa
r
m
o
pt
i
mi
z
a
t
i
o
n
(
P
S
O)
a
l
go
r
i
t
hm
t
o
i
m
pr
o
v
e
t
h
e
s
t
r
uc
t
ur
e
o
f
a
b
a
c
kpr
o
pa
ga
t
i
o
n
n
e
ur
a
l
ne
t
wor
k,
r
e
s
ul
t
i
n
g
i
n
a
n
e
f
f
e
c
t
i
ve
m
o
de
l
f
o
r
pr
e
d
i
c
t
i
n
g
hy
pe
r
t
e
n
s
i
o
n
r
i
s
k.
C
o
m
p
a
r
e
d
w
i
t
h
ot
h
e
r
m
e
t
h
o
ds
s
uc
h
a
s
LR
,
t
h
e
P
S
O
m
o
de
l
s
too
d
o
u
t
f
o
r
i
t
s
hi
g
h
pe
r
f
o
r
m
a
n
c
e
,
w
i
t
h
a
n
a
c
c
ur
a
c
y
o
f
85.
38%
,
a
s
e
n
s
it
i
vi
t
y
o
f
43.
90%
,
a
s
pe
c
i
f
i
c
i
t
y
o
f
96.
66%
,
a
n
d
a
n
A
U
C
o
f
86%
.
C
h
a
n
g
e
t
al.
[
20]
us
e
d
m
e
d
i
c
a
l
da
t
a
f
r
o
m
a
B
e
i
ji
ng
h
o
s
p
i
t
a
l
to
p
r
e
d
i
c
t
hy
pe
r
t
e
n
s
i
o
n
o
u
t
c
o
m
e
s
w
i
t
h
a
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
.
T
h
e
y
e
m
p
l
o
y
e
d
a
s
e
que
n
t
i
a
l
g
a
i
n
pr
o
gr
e
s
s
i
o
n
t
a
b
u
s
e
a
r
c
h
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
m
e
t
h
o
d
to
i
de
n
t
i
f
y
ke
y
m
e
d
i
c
a
l
va
r
i
a
bl
e
s
i
nf
l
ue
n
c
i
ng
hy
pe
r
t
e
n
s
i
o
n
o
ut
c
o
m
e
s
a
n
d
t
h
e
n
ut
i
l
i
z
e
d
t
h
e
XG
B
o
o
s
t
a
l
go
r
i
t
hm
f
o
r
pr
e
d
i
c
t
i
o
n
due
to
i
t
s
s
t
a
bi
li
t
y
.
T
h
e
ir
m
o
de
l
a
c
hi
e
v
e
d
hi
g
h
pe
r
f
o
r
m
a
n
c
e
o
n
t
e
s
t
da
t
a
s
e
t
s
,
wi
t
h
A
U
C
,
pr
e
c
i
s
i
o
n
,
F
1
-
s
c
o
r
e
,
a
n
d
r
e
c
a
l
l
v
a
l
ue
s
o
f
92%
,
94
%
,
87%
,
a
n
d
80%
,
r
e
s
pe
c
t
i
v
e
ly
.
Our
r
e
s
e
a
r
c
h
s
i
g
nif
i
c
a
n
t
l
y
a
d
v
a
n
c
e
s
t
h
e
f
i
e
l
d
o
f
m
a
c
hi
ne
l
e
a
r
ni
ng
i
n
hy
p
e
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
by
a
ddr
e
s
s
i
ng
ke
y
ga
ps
i
n
e
xi
s
t
i
n
g
s
t
ud
i
e
s
.
W
e
o
b
s
e
r
v
e
s
e
ve
r
a
l
u
n
r
e
s
o
l
v
e
d
i
s
s
ue
s
:
t
h
e
c
o
m
pr
e
h
e
ns
i
ve
m
a
n
a
ge
m
e
n
t
o
f
unb
a
l
a
n
c
e
d
da
t
a
,
t
h
e
e
f
f
e
c
t
i
ve
s
e
l
e
c
t
i
o
n
o
f
r
e
l
e
v
a
n
t
f
e
a
t
ur
e
s
f
r
o
m
a
l
a
r
ge
s
e
t
,
a
n
d
t
h
e
o
p
t
i
mi
z
a
t
i
o
n
o
f
hy
pe
r
pa
r
a
m
e
t
e
r
s
,
whi
c
h
a
r
e
o
f
t
e
n
n
e
g
l
e
c
t
e
d.
T
o
a
ddr
e
s
s
da
t
a
i
m
ba
l
a
nc
e
,
we
u
t
i
l
i
z
e
s
y
n
t
h
e
t
i
c
mi
n
o
r
i
t
y
o
v
e
r
-
s
a
m
p
l
i
ng
t
e
c
hni
qu
e
(
S
M
OT
E
)
,
wh
i
c
h
b
o
o
s
t
s
t
h
e
r
e
l
i
a
bil
i
t
y
o
f
pr
e
d
i
c
t
i
o
ns
.
F
ur
t
h
e
r
m
o
r
e
,
we
i
n
t
r
o
duc
e
a
n
i
nn
o
v
a
t
i
v
e
a
pp
l
i
c
a
t
i
o
n
o
f
a
n
t
c
o
l
o
ny
o
pt
i
mi
z
a
t
i
o
n
(
AC
O)
f
o
r
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
a
n
d
c
o
m
pa
r
e
B
a
y
e
s
i
a
n
o
pt
i
m
i
z
a
t
i
o
n
(
B
O)
a
n
d
P
S
O
f
o
r
hy
pe
r
p
a
r
a
m
e
t
e
r
t
uni
n
g.
Our
a
ppr
o
a
c
h
,
t
e
s
t
e
d
a
c
r
o
s
s
f
i
v
e
w
i
de
ly
us
e
d
m
a
c
hi
ne
l
e
a
r
ni
ng
a
l
go
r
i
t
hm
s
-
LR
,
s
uppo
r
t
v
e
c
to
r
m
a
c
hi
ne
(
S
VM
)
,
k
-
n
e
a
r
e
s
t
n
e
i
g
hb
o
r
s
,
e
x
t
r
a
t
r
e
e
s
(
E
T
)
,
a
n
d
AB
-
o
ut
pe
r
f
o
r
m
s
e
xi
s
t
i
n
g
m
e
t
h
o
ds
,
s
e
tt
i
n
g
a
ne
w
s
t
a
n
da
r
d
i
n
t
h
e
f
i
e
l
d.
T
hi
s
s
t
ud
y
n
o
t
o
nl
y
hi
g
hli
g
h
t
s
t
h
e
im
po
r
t
a
n
c
e
o
f
a
ddr
e
s
s
i
ng
t
h
e
s
e
u
n
r
e
s
o
l
v
e
d
i
s
s
u
e
s
b
ut
a
l
s
o
o
f
f
e
r
s
a
pr
a
c
t
i
c
a
l
f
r
a
m
e
wo
r
k
f
o
r
i
m
pr
o
vi
n
g
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
i
n
c
li
n
i
c
a
l
s
e
t
t
i
n
gs
,
pa
vi
ng
t
h
e
wa
y
f
o
r
f
ut
ur
e
r
e
s
e
a
r
c
h
to
b
u
i
l
d
o
n
t
h
e
s
e
f
i
nd
i
ng
s
.
I
n
t
h
e
f
o
l
l
o
w
i
ng
s
e
c
t
i
o
n
s
o
f
t
hi
s
do
c
um
e
n
t
,
th
e
s
t
r
uc
t
u
r
e
i
s
a
s
f
o
l
l
o
ws
:
s
e
c
t
i
o
n
2
o
f
f
e
r
s
a
c
o
m
pr
e
h
e
ns
i
ve
e
x
p
l
a
n
a
t
i
o
n
o
f
t
h
e
m
a
t
e
r
i
a
l
s
a
n
d
m
e
t
h
o
ds
us
e
d.
I
n
s
e
c
t
i
o
n
3
o
u
t
l
i
ne
s
a
n
d
d
i
s
c
us
s
e
s
t
h
e
r
e
s
u
l
t
s
,
i
nc
l
ud
i
ng
a
n
a
n
a
ly
s
i
s
o
f
t
h
e
e
f
f
e
c
t
s
o
f
t
h
e
t
e
c
h
ni
q
ue
s
us
e
d.
F
i
n
a
ll
y
,
s
e
c
t
i
o
n
4
s
u
m
m
a
r
i
z
e
s
t
h
e
m
a
i
n
f
i
nd
i
n
g
s
a
n
d
s
ugge
s
t
s
r
e
s
e
a
r
c
h
d
i
r
e
c
t
i
o
ns
f
o
r
f
ut
ur
e
i
nv
e
s
t
i
g
a
t
i
o
n
s
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
E
nhanc
ing
hy
pe
r
tens
ion
pr
e
diction:
a
hy
br
id
mac
h
ine
lear
ning
opti
miz
ati
on
appr
oac
h
(
A
bd
A
ll
ah
A
o
ur
agh
)
349
2.
M
AT
E
RI
AL
S
AN
D
M
E
T
HO
DS
2.
1.
P
r
op
os
e
d
m
e
t
h
od
As
pa
r
t
o
f
o
u
r
s
t
udy
to
i
m
pr
o
v
e
hy
pe
r
t
e
ns
i
o
n
pr
e
d
i
c
t
i
o
n
us
i
ng
a
hy
b
r
i
d
m
a
c
hi
ne
l
e
a
r
ni
n
g
o
p
t
i
mi
z
a
t
i
o
n
a
ppr
o
a
c
h
,
we
de
v
e
l
o
pe
d
a
r
i
go
r
o
us
m
e
t
h
o
do
l
o
g
y
to
e
n
s
ur
e
a
s
y
s
t
e
m
a
t
i
c
wo
r
kf
l
o
w.
Our
s
t
udy
b
e
ga
n
w
i
t
h
t
h
e
a
c
qu
i
s
i
t
i
o
n
o
f
t
h
e
H
y
p
e
r
t
e
n
s
i
o
n
A
r
t
e
r
i
a
l
M
e
xi
c
o
da
t
a
s
e
t,
c
o
m
pr
i
s
i
ng
35
hy
pe
r
t
e
n
s
i
o
n
-
r
e
l
e
v
a
n
t
a
tt
r
i
b
ut
e
s
.
Ne
x
t
,
we
c
o
n
duc
t
e
d
e
x
p
l
o
r
a
tor
y
da
t
a
a
n
a
ly
s
i
s
a
n
d
pr
e
-
pr
o
c
e
s
s
i
n
g
t
a
s
ks
,
i
n
c
l
ud
i
ng
n
o
r
m
a
li
z
a
t
i
o
n
,
to
pr
e
pa
r
e
t
h
e
da
t
a
s
e
t
f
o
r
i
n
-
de
pt
h
a
n
a
ly
s
i
s
.
T
o
o
v
e
r
c
o
m
e
t
h
e
i
m
ba
l
a
nc
e
i
nh
e
r
e
n
t
i
n
t
h
e
da
t
a
s
e
t,
we
us
e
d
t
h
e
S
M
OT
E
to
e
f
f
e
c
t
i
ve
ly
b
a
l
a
nc
e
t
h
e
c
l
a
s
s
e
s
.
Ne
x
t
,
we
un
de
r
t
oo
k
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
o
p
t
i
n
g
f
o
r
t
h
e
a
n
t
c
o
l
o
n
y
o
p
t
i
mi
z
a
t
i
o
n
a
l
go
r
i
t
hm
t
o
i
de
n
t
i
f
y
t
h
e
m
o
s
t
di
s
c
r
i
mi
na
t
i
n
g
f
e
a
t
ur
e
s
f
o
r
hy
pe
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
.
Ne
x
t
,
we
a
pp
l
i
e
d
f
i
ve
m
a
c
hi
ne
l
e
a
r
ni
ng
a
l
go
r
i
t
hm
s
:
LR
,
K
NN
s
,
S
VM
,
ET
,
a
n
d
AB
.
E
a
c
h
a
l
go
r
i
t
hm
u
n
d
e
r
we
n
t
a
r
i
go
r
o
us
e
v
a
l
ua
t
i
o
n
t
o
m
e
a
s
ur
e
i
t
s
pe
r
f
o
r
m
a
n
c
e
in
pr
e
d
i
c
t
i
n
g
hy
pe
r
t
e
n
s
i
o
n
o
ut
c
o
m
e
s
.
T
o
a
c
hi
e
v
e
o
p
t
i
m
a
l
m
o
de
l
pe
r
f
o
r
m
a
nc
e
,
we
pe
r
f
o
r
m
e
d
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
m
i
z
a
t
i
o
n
us
i
n
g
t
w
o
di
s
t
i
nc
t
t
e
c
h
ni
que
s
:
BO
an
d
PSO
.
B
y
c
o
m
pa
r
i
ng
t
h
e
r
e
s
u
l
t
s
o
f
t
h
e
s
e
o
pt
i
m
i
z
a
t
i
o
n
m
e
t
h
o
ds
,
we
s
o
ugh
t
to
i
de
n
t
i
f
y
t
h
e
m
o
s
t
e
f
f
e
c
t
i
v
e
a
ppr
o
a
c
h
f
o
r
r
e
f
i
n
i
ng
o
ur
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
.
Our
m
e
t
h
o
d
o
l
o
g
y
e
n
c
o
m
pa
s
s
e
s
a
s
t
r
uc
t
ur
e
d
a
n
d
c
o
m
pr
e
h
e
ns
i
ve
a
ppr
o
a
c
h
a
i
m
e
d
a
t
h
a
r
n
e
s
s
i
ng
t
h
e
po
we
r
o
f
hy
br
i
d
m
a
c
hi
ne
l
e
a
r
ni
ng
m
e
t
h
o
ds
to
e
n
h
a
n
c
e
t
h
e
pr
e
c
i
s
i
o
n
o
f
hy
pe
r
t
e
n
s
i
o
n
pr
o
gn
o
s
i
s
.
T
h
e
m
e
t
h
o
d
o
l
o
g
y
e
m
p
l
o
ye
d
i
n
t
hi
s
s
t
ud
y
i
s
de
p
i
c
t
e
d
i
n
F
i
gur
e
1.
F
i
gur
e
1.
P
r
o
p
o
s
e
d
m
e
t
h
o
d
2.
2.
Dat
as
e
t
T
h
e
H
y
pe
r
t
e
n
s
i
o
n
A
r
t
e
r
i
a
l
M
e
xi
c
o
da
t
a
s
e
t
us
e
d
i
n
o
ur
s
t
udy
i
s
t
h
e
r
e
s
u
l
t
o
f
t
h
e
c
o
ns
o
l
i
da
t
i
o
n
o
f
t
h
r
e
e
da
t
a
s
e
t
s
f
r
o
m
t
h
e
g
o
v
e
r
nm
e
n
t
a
l
Na
t
i
o
n
a
l
H
e
a
l
t
h
a
n
d
Nut
r
i
t
i
o
n
S
ur
v
e
y
(
E
NSA
NU
T
)
[
21]
,
[
22]
.
I
t
o
f
f
e
r
s
a
w
i
de
r
a
n
ge
o
f
i
n
f
o
r
m
a
t
i
o
n
c
o
nc
e
r
ni
ng
4363
pa
t
i
e
n
t
s
i
n
M
e
xi
c
o
,
c
o
v
e
r
i
n
g
a
w
i
de
r
a
n
ge
o
f
35
bi
o
l
o
g
i
c
a
l
a
nd
a
n
t
h
r
o
po
m
e
t
r
i
c
pa
r
a
m
e
t
e
r
s
,
s
uc
h
a
s
a
m
bi
e
n
t
t
e
m
p
e
r
a
t
ur
e
,
u
r
i
c
a
c
i
d,
a
l
b
u
mi
n
,
c
h
o
l
e
s
t
e
r
o
l
(
HD
L
,
L
D
L
,
tot
a
l
)
,
c
r
e
a
t
i
ni
ne
,
g
l
uc
o
s
e
r
e
s
u
l
t
,
i
n
s
u
li
n,
C
-
r
e
a
c
t
i
v
e
pr
ote
i
n
,
t
r
i
g
ly
c
e
r
i
de
s
,
m
e
a
n
g
l
uc
o
s
e
,
gl
y
c
o
s
yl
a
t
e
d
h
e
m
o
g
l
o
bi
n,
f
e
r
r
i
t
i
n
,
f
o
l
i
c
a
c
i
d,
h
o
m
o
c
y
s
t
e
i
n
e
,
t
r
a
n
s
f
e
r
r
i
n
,
vi
t
a
mi
n
B
12,
a
n
d
vi
t
a
mi
n
D,
a
s
we
ll
a
s
de
m
o
gr
a
p
hi
c
de
t
a
i
ls
s
uc
h
a
s
ge
n
de
r
a
n
d
a
ge
.
I
n
a
dd
i
t
i
o
n
,
t
h
e
f
i
na
l
c
o
l
u
m
n
,
“
r
i
s
k_
hy
pe
r
t
e
n
s
i
o
n
”
i
n
d
i
c
a
t
e
s
whe
t
h
e
r
t
h
e
pa
ti
e
n
t
i
s
a
t
r
i
s
k
o
f
de
ve
l
o
p
i
n
g
hy
pe
r
t
e
n
s
i
o
n
,
w
i
t
h
t
h
e
v
a
l
ue
“
1
”
f
o
r
t
h
o
s
e
a
t
r
i
s
k
a
n
d
“
0
”
f
o
r
t
h
o
s
e
wh
o
a
r
e
n
ot
.
T
h
e
da
t
a
s
e
t
s
h
o
ws
a
n
ot
a
bl
e
i
m
ba
l
a
nc
e
be
t
we
e
n
c
l
a
s
s
e
s
,
w
i
t
h
2816
(
64.
54%
)
c
a
s
e
s
w
i
t
h
hy
pe
r
t
e
ns
i
o
n
a
n
d
1
,
547
(
35.
46
%
)
c
a
s
e
s
w
i
t
h
o
u
t
.
T
hi
s
d
i
s
p
a
r
i
t
y
c
a
n
l
e
a
d
to
bi
a
s
i
n
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
,
c
o
m
pr
o
m
is
i
n
g
t
h
e
r
e
l
i
a
bil
i
t
y
o
f
pr
e
d
i
c
t
i
o
n
s
.
T
o
r
e
m
e
d
y
t
hi
s
s
i
t
ua
t
i
o
n,
i
t
i
s
i
m
pe
r
a
t
i
v
e
t
o
a
ddr
e
s
s
t
hi
s
im
ba
l
a
n
c
e
b
e
f
o
r
e
tr
a
i
ni
ng
t
h
e
m
o
de
l
s
.
T
h
us
,
o
v
e
r
s
a
m
p
li
ng
t
e
c
hni
que
s
w
i
ll
b
e
e
m
p
l
o
y
e
d
to
i
nc
r
e
a
s
e
mi
n
o
r
i
t
y
c
l
a
s
s
r
e
pr
e
s
e
n
t
a
t
i
on
.
2.
3.
B
al
an
c
in
g
d
at
as
e
t
:
S
M
OT
E
T
h
e
f
u
n
da
m
e
n
t
a
l
pr
i
n
c
i
p
l
e
o
f
da
t
a
s
e
t
b
a
l
a
n
c
i
ng
li
e
s
i
n
t
h
e
c
o
r
r
e
c
t
i
o
n
o
f
d
i
s
t
r
i
b
ut
i
o
n
i
m
ba
l
a
n
c
e
s
b
e
t
we
e
n
t
h
e
di
f
f
e
r
e
n
t
c
l
a
s
s
e
s
o
f
a
t
a
r
ge
t
v
a
r
i
a
bl
e
,
w
i
t
h
t
h
e
a
i
m
o
f
a
v
o
i
d
i
ng
bi
a
s
i
n
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
.
T
hi
s
c
o
r
r
e
c
t
i
o
n
i
s
e
s
s
e
n
t
i
a
l
t
o
gua
r
a
n
t
e
e
i
n
g
a
c
c
ur
a
t
e
a
n
d
r
e
l
i
a
bl
e
pr
e
d
i
c
t
i
o
ns
,
pa
r
t
i
c
u
l
a
r
ly
i
n
c
a
s
e
s
w
h
e
r
e
t
h
e
mi
n
o
r
i
t
y
gr
o
up
i
s
n
o
t
a
bl
y
u
n
de
r
r
e
pr
e
s
e
n
t
e
d.
I
n
our
s
t
udy
,
we
e
x
a
mi
ne
d
s
e
v
e
r
a
l
o
ve
r
s
a
m
p
l
i
ng
t
e
c
hni
que
s
,
i
nc
l
ud
i
ng
A
D
A
S
YN
,
S
VM
S
M
OT
E
,
K
-
M
e
a
n
s
S
M
OT
E
,
a
n
d
S
M
OT
E
,
o
f
w
hi
c
h
S
M
OT
E
pr
o
v
e
d
to
b
e
t
h
e
m
o
s
t
s
uc
c
e
s
s
f
u
l
[
10]
,
[
23]
.
S
M
OT
E
,
i
s
a
c
o
m
m
o
nly
us
e
d
m
e
t
h
o
d
t
h
a
t
ge
n
e
r
a
t
e
s
n
e
w
s
y
n
t
h
e
t
i
c
e
x
a
m
p
l
e
s
f
o
r
t
h
e
m
i
n
o
r
i
t
y
c
l
a
s
s
.
S
pe
c
i
f
i
c
a
ll
y
,
S
M
OT
E
r
a
n
do
ml
y
c
h
o
o
s
e
s
a
n
i
ns
t
a
n
c
e
f
r
o
m
t
h
e
m
i
n
o
r
i
t
y
c
las
s
a
n
d
de
t
e
r
m
i
ne
s
i
t
s
k
n
e
a
r
e
s
t
n
e
i
g
hb
o
r
s
a
l
s
o
b
e
l
o
n
g
i
ng
to
t
h
e
s
a
m
e
c
l
a
s
s
.
T
h
e
n
,
ne
w
s
y
n
t
h
e
t
i
c
e
xa
m
p
l
e
s
a
r
e
c
r
e
a
t
e
d
by
i
n
t
e
r
po
l
a
t
i
n
g
t
h
e
f
e
a
t
ur
e
s
o
f
t
h
e
s
e
l
e
c
t
e
d
e
x
a
m
p
l
e
a
n
d
i
t
s
n
e
i
g
hb
o
r
s
i
n
t
h
e
a
tt
r
i
b
ut
e
s
pa
c
e
.
T
hi
s
i
n
t
e
r
po
l
a
t
i
o
n
ge
n
e
r
a
t
e
s
e
x
a
m
p
l
e
s
a
l
o
n
g
t
h
e
l
i
ne
c
o
nn
e
c
t
i
n
g
t
h
e
i
ni
t
i
a
l
e
x
a
m
p
l
e
to
i
t
s
n
e
i
g
hb
o
r
s
,
t
h
us
pr
e
s
e
r
vi
ng
t
h
e
e
xi
s
t
i
n
g
d
a
t
a
di
s
t
r
i
b
ut
i
o
n
[
10]
,
[
24]
,
[
25
]
.
T
h
e
us
e
o
f
S
M
OT
E
e
f
f
e
c
t
i
v
e
ly
ba
l
a
n
c
e
d
o
ur
da
t
a
s
e
t,
i
m
pr
o
v
e
d
t
h
e
a
bi
li
t
y
o
f
o
ur
m
o
de
l
s
to
c
o
r
r
e
c
t
l
y
ge
n
e
r
a
li
z
e
t
h
e
da
t
a
,
a
n
d
pr
o
duc
e
d
m
o
r
e
a
c
c
ur
a
t
e
pr
e
d
i
c
t
i
o
n
s
whil
e
pr
e
s
e
r
v
i
ng
t
h
e
r
e
pr
e
s
e
n
t
a
t
i
v
e
n
e
s
s
o
f
t
h
e
o
r
i
g
i
na
l
da
t
a
.
T
h
e
c
h
o
i
c
e
o
f
t
h
e
S
M
OT
E
tec
hni
que
wa
s
b
a
s
e
d
o
n
i
t
s
r
e
pu
t
a
t
i
o
n
f
o
r
e
f
f
e
c
t
i
ve
n
e
s
s
i
n
o
v
e
r
s
a
m
p
l
i
ng
m
i
n
o
r
i
t
y
c
l
a
s
s
e
s
i
n
unb
a
l
a
n
c
e
d
da
t
a
s
e
t
s
,
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
1
,
J
a
n
ua
r
y
20
2
5
:
347
-
355
350
pa
r
t
i
c
u
l
a
r
l
y
i
n
t
h
e
h
e
a
l
t
h
c
a
r
e
f
i
e
l
d,
wh
e
r
e
i
t
h
a
s
p
r
o
v
e
n
i
t
s
a
bi
li
t
y
t
o
i
m
pr
o
v
e
t
h
e
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
by
e
n
s
ur
i
ng
a
b
a
l
a
n
c
e
d
r
e
pr
e
s
e
n
t
a
t
i
o
n
o
f
m
i
n
o
r
i
t
y
c
l
a
s
s
e
s
.
F
ur
t
h
e
r
m
o
r
e
,
S
M
OT
E
h
a
s
b
e
e
n
w
i
d
e
l
y
v
a
li
da
t
e
d
i
n
t
h
e
li
t
e
r
a
t
ur
e
f
o
r
i
t
s
a
bil
i
t
y
t
o
ge
n
e
r
a
te
s
y
n
t
he
t
i
c
s
a
m
p
l
e
s
t
h
a
t
c
l
o
s
e
ly
r
e
s
e
m
b
l
e
t
h
e
o
r
i
g
i
na
l
da
t
a
d
i
s
t
r
i
b
ut
i
o
n
,
f
a
c
i
li
t
a
t
i
n
g
r
o
b
us
t
m
o
de
l
t
r
a
i
ni
ng
a
n
d
e
v
a
l
ua
t
i
o
n
[
10]
,
[
24
]
,
[
25]
.
2.
4.
F
e
at
u
r
e
s
e
l
e
c
t
ion
:
a
n
t
c
ol
on
y
op
t
im
iz
at
ion
I
n
m
a
c
hi
ne
l
e
a
r
ni
ng,
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
p
l
a
y
s
a
c
r
uc
i
a
l
r
o
l
e
,
c
o
n
s
i
s
t
i
n
g
o
f
i
de
n
t
i
f
y
i
ng
t
h
e
m
o
s
t
r
e
l
e
va
n
t
f
e
a
t
ur
e
s
w
i
t
hi
n
a
da
t
a
s
e
t
to
b
u
i
l
d
pr
e
d
i
c
t
i
ve
m
o
de
l
s
.
T
hi
s
s
t
e
p
a
i
m
s
t
o
di
mi
n
i
s
h
t
h
e
d
i
m
e
ns
i
o
n
a
li
t
y
o
f
t
h
e
da
t
a
by
e
li
mi
na
t
i
n
g
dup
li
c
a
t
e
f
e
a
t
ur
e
s
whi
l
e
pr
e
s
e
r
vin
g
e
s
s
e
n
t
i
a
l
i
n
f
o
r
m
a
t
i
o
n
f
o
r
pr
e
d
i
c
t
i
o
n
t
a
s
ks
[
1
0]
,
[
26]
.
A
C
O
i
s
i
ns
p
i
r
e
d
by
t
h
e
o
pt
i
mi
z
a
t
i
o
n
c
a
pa
bil
i
t
i
e
s
o
b
s
e
r
v
e
d
i
n
a
n
t
c
o
l
o
ni
e
s
,
h
e
l
p
i
ng
t
h
e
m
f
i
nd
t
h
e
m
o
s
t
e
f
f
i
c
i
e
n
t
pa
t
h
s
to
f
o
o
d
s
o
ur
c
e
s
.
I
n
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
A
C
O
i
s
us
e
d
to
di
s
c
o
v
e
r
a
n
o
pt
i
m
a
l
s
ub
s
e
t
o
f
c
h
a
r
a
c
t
e
r
i
s
t
i
c
s
t
h
a
t
m
a
xim
i
z
e
s
t
h
e
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
pr
e
d
i
c
t
i
v
e
m
o
d
e
l
s
.
I
t
us
e
s
a
s
to
c
h
a
s
t
i
c
s
e
a
r
c
h
pr
o
c
e
s
s
w
h
e
r
e
pot
e
n
t
i
a
l
s
o
l
ut
i
o
ns
(
f
e
a
t
ur
e
s
e
t
s
)
a
r
e
e
x
p
l
o
r
e
d
a
n
d
e
v
a
l
ua
t
e
d
a
ga
i
n
s
t
a
s
pe
c
i
f
i
e
d
pe
r
f
o
r
m
a
n
c
e
m
e
t
r
i
c
,
gu
i
de
d
by
a
r
t
i
f
i
c
i
a
l
p
he
r
o
m
o
n
e
s
,
to
i
de
n
t
i
f
y
pr
o
m
i
s
i
ng
s
o
l
ut
i
o
ns
[
27]
.
A
C
O
o
f
f
e
r
s
s
e
ve
r
a
l
s
igni
f
i
c
a
n
t
a
dv
a
n
t
a
ge
s
o
v
e
r
t
r
a
di
t
i
o
n
a
l
t
e
c
hni
qu
e
s
l
i
ke
gr
i
d
s
e
a
r
c
h
.
F
i
r
s
t
l
y
,
i
t
e
f
f
i
c
i
e
n
t
l
y
e
x
p
l
o
r
e
s
t
h
e
s
e
a
r
c
h
s
pa
c
e
o
f
f
e
a
t
ur
e
s
ubs
e
t
s
,
e
v
e
n
i
n
c
o
m
p
l
e
x
s
i
t
ua
t
i
o
n
s
,
l
e
a
d
i
n
g
to
t
h
e
d
i
s
c
o
v
e
r
y
o
f
pr
o
m
i
s
i
ng
s
o
l
ut
i
o
ns
.
S
e
c
o
n
d
l
y
,
AC
O
i
s
r
e
s
il
i
e
n
t
to
n
o
i
s
y
da
t
a
a
n
d
hi
g
h
-
d
i
m
e
ns
i
o
n
a
l
pr
o
bl
e
m
s
,
r
e
n
de
r
i
ng
i
t
s
u
i
t
a
bl
e
f
o
r
r
e
a
l
-
wo
r
l
d
a
pp
l
i
c
a
t
i
o
n
s
.
I
n
a
dd
i
t
i
o
n
,
i
t
i
de
n
t
i
f
i
e
s
n
o
n
-
r
e
dun
d
a
n
t
a
n
d
i
nf
o
r
m
a
t
i
v
e
f
e
a
t
ur
e
s
ub
s
e
t
s
,
i
m
pr
o
vi
ng
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
by
a
tt
e
n
ua
t
i
n
g
o
v
e
r
f
i
t
t
i
n
g
a
n
d
f
a
c
il
i
t
a
t
i
ng
ge
n
e
r
a
l
i
z
a
t
i
o
n
.
F
i
na
l
ly
,
t
h
e
c
o
m
put
a
t
i
o
n
a
l
e
f
f
ic
i
e
n
c
y
o
f
A
C
O
e
x
c
e
e
d
s
t
h
a
t
o
f
gr
i
d
s
e
a
r
c
h
t
h
a
n
ks
t
o
i
t
s
i
n
t
e
l
li
ge
n
t
a
n
d
e
f
f
i
c
i
e
n
t
e
x
p
l
o
r
a
t
i
o
n
o
f
t
h
e
s
e
a
r
c
h
s
pa
c
e
[
27]
.
2.
5.
M
ac
h
in
e
l
e
ar
n
in
g
al
go
r
it
h
m
s
M
a
c
hi
ne
l
e
a
r
ni
n
g
a
l
go
r
i
t
hm
s
a
r
e
e
x
t
e
n
s
i
ve
ly
ut
i
l
i
z
e
d
i
n
t
h
e
m
e
d
i
c
a
l
f
i
e
l
d
f
o
r
c
l
a
s
s
i
f
yi
ng
d
i
s
e
a
s
e
s
a
n
d
pr
e
d
i
c
t
i
n
g
d
i
a
g
n
o
s
e
s
.
I
n
o
u
r
s
t
udy
o
n
hy
pe
r
t
e
ns
i
o
n
pr
e
d
i
c
t
i
o
n
,
we
m
e
t
i
c
u
l
o
us
ly
c
h
o
s
e
a
l
go
r
i
t
hm
s
ba
s
e
d
o
n
t
h
e
i
r
pr
o
v
e
n
pe
r
f
o
r
m
a
nc
e
i
n
m
e
d
i
c
a
l
d
i
a
g
n
o
s
t
i
c
s
,
c
a
pa
c
i
t
y
t
o
m
a
n
a
g
e
c
o
m
p
l
e
x
c
l
a
s
s
i
f
i
c
a
t
i
o
ns
,
a
n
d
t
h
e
i
r
e
s
t
a
bli
s
h
e
d
c
r
e
d
i
b
il
i
t
y
i
n
t
h
e
r
e
s
e
a
r
c
h
c
o
m
m
u
ni
t
y
[
28]
,
[
29
]
.
T
hi
s
c
a
r
e
f
u
l
s
e
l
e
c
t
i
o
n
e
ns
ur
e
s
t
h
a
t
t
h
e
a
l
go
r
i
t
hm
s
us
e
d
a
r
e
pa
r
t
i
c
u
l
a
r
l
y
s
u
i
t
e
d
f
o
r
de
l
i
ve
r
i
ng
a
c
c
ur
a
t
e
a
n
d
r
e
l
i
a
bl
e
hy
pe
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
s
2.
5.
1.
L
ogis
t
ic
r
e
g
r
e
s
s
ion
L
R
i
s
a
bi
na
r
y
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
l
go
r
i
t
hm
t
h
a
t
c
a
l
c
u
l
a
t
e
s
t
h
e
pr
o
b
a
bil
i
t
y
o
f
a
n
o
b
s
e
r
v
a
t
i
o
n
b
e
l
o
n
g
i
ng
to
a
gi
ve
n
c
l
a
s
s
.
B
y
f
i
t
t
i
n
g
a
l
o
g
i
s
t
i
c
c
ur
v
e
,
i
t
m
o
de
l
s
t
h
e
c
o
r
r
e
l
a
t
i
o
n
b
e
t
we
e
n
t
h
e
i
n
de
p
e
n
de
n
t
v
a
r
i
a
bl
e
s
a
n
d
t
h
e
li
ke
li
h
o
o
d
o
f
t
h
e
de
pe
n
d
e
n
t
v
a
r
i
a
bl
e
o
c
c
ur
r
i
n
g.
I
t
s
m
a
j
o
r
s
t
r
e
n
gt
h
s
l
i
e
i
n
i
t
s
s
im
p
l
i
c
i
t
y
,
i
t
s
e
f
f
e
c
t
i
ve
ne
s
s
e
v
e
n
i
n
t
h
e
pr
e
s
e
nc
e
o
f
l
im
i
t
e
d
da
t
a
,
a
n
d
i
t
s
a
bi
li
t
y
t
o
pr
o
vi
de
pr
o
b
a
bil
i
t
y
e
s
t
i
m
a
t
e
s
f
o
r
e
a
c
h
c
l
a
s
s
[
9]
,
[
29
]
.
2.
5.
2.
K
-
n
e
ar
e
s
t
n
e
igh
b
or
s
T
h
e
K
NN
a
l
go
r
i
t
hm
i
s
a
c
l
a
s
s
if
i
c
a
t
i
o
n
m
e
t
h
o
d
t
h
a
t
a
s
s
i
g
ns
a
l
a
be
l
t
o
a
n
o
b
s
e
r
v
a
t
i
o
n
a
c
c
o
r
di
n
g
to
t
h
e
c
l
a
s
s
if
i
c
a
t
i
o
n
s
o
f
i
t
s
c
l
o
s
e
s
t
n
e
i
g
h
b
o
r
s
i
n
t
h
e
f
e
a
t
ur
e
s
pa
c
e
.
I
t
o
pe
r
a
t
e
s
a
c
c
o
r
di
n
g
to
t
h
e
pr
i
n
c
ip
l
e
t
h
a
t
a
n
a
l
o
go
us
po
i
n
t
s
t
e
n
d
to
a
gg
r
e
ga
t
e
wi
t
hi
n
t
h
e
s
a
m
e
s
pa
c
e
.
I
t
s
a
dv
a
n
t
a
ge
s
i
nc
l
ude
i
t
s
s
im
p
li
c
i
t
y
o
f
im
p
l
e
m
e
n
t
a
t
i
o
n
,
i
t
s
a
da
pt
a
bi
li
t
y
t
o
di
ve
r
s
e
da
t
a
t
y
p
e
s
,
a
n
d
i
t
s
a
bil
i
t
y
t
o
c
a
p
t
ur
e
c
o
m
p
l
e
x
s
t
r
uc
t
u
r
e
s
i
n
t
h
e
da
t
a
w
i
t
h
o
ut
m
a
k
i
ng
a
s
s
u
m
pt
i
o
n
s
a
b
o
ut
t
h
e
i
r
un
de
r
lyi
n
g
di
s
t
r
i
b
ut
i
o
n
[
28]
,
[
29
]
.
2.
5.
3.
S
u
p
p
or
t
ve
c
t
or
m
ac
h
in
e
S
VM
i
s
a
po
we
r
f
u
l
c
l
a
s
s
i
f
i
c
a
t
i
o
n
a
l
go
r
i
t
hm
t
h
a
t
s
e
e
ks
t
o
l
o
c
a
t
e
t
h
e
b
e
s
t
-
f
i
t
t
i
n
g
hy
pe
r
p
l
a
n
e
f
o
r
s
e
pa
r
a
t
i
n
g
da
t
a
i
n
t
o
di
f
f
e
r
e
n
t
c
l
a
s
s
e
s
.
I
t
o
pe
r
a
t
e
s
by
i
de
n
t
i
f
yi
ng
t
h
e
o
p
t
i
m
a
l
de
c
i
s
i
o
n
b
o
un
da
r
y
b
e
t
we
e
n
d
i
f
f
e
r
e
n
t
gr
o
ups
by
w
i
d
e
ni
n
g
t
h
e
d
i
s
t
a
nc
e
be
t
we
e
n
t
h
e
ne
a
r
e
s
t
i
n
s
t
a
n
c
e
s
i
n
e
v
e
r
y
gr
o
up.
I
t
s
a
dv
a
n
t
a
ge
s
l
i
e
in
i
t
s
pr
o
f
i
c
i
e
n
c
y
i
n
ha
n
d
l
i
ng
da
t
a
s
e
t
s
wi
t
h
m
a
ny
d
im
e
ns
i
o
ns
,
i
t
s
f
l
e
xi
b
i
li
t
y
t
o
h
a
n
d
l
e
b
o
t
h
l
i
ne
a
r
a
n
d
n
o
n
-
l
i
ne
a
r
c
l
a
s
s
if
i
c
a
t
i
o
n
pr
o
bl
e
m
s
,
a
n
d
i
t
s
r
o
b
us
t
n
e
s
s
to
o
v
e
r
f
i
t
t
i
n
g
pr
o
bl
e
m
s
[
28]
,
[
29
]
.
2.
5.
4.
E
x
t
r
a
t
r
e
e
s
E
T
a
r
e
a
v
a
r
i
a
t
i
o
n
o
f
de
c
i
s
i
o
n
t
r
e
e
s
t
h
a
t
i
n
t
e
gr
a
t
e
m
o
r
e
r
a
n
do
m
ne
s
s
i
n
t
o
t
h
e
n
o
de
-
s
p
l
i
t
t
i
n
g
pr
o
c
e
s
s
.
Unli
k
e
de
c
i
s
i
o
n
t
r
e
e
s
,
whi
c
h
e
xa
m
i
ne
a
ll
po
s
s
i
bil
i
t
i
e
s
,
ETs
r
a
n
do
m
ly
s
e
l
e
c
t
s
p
l
i
t
t
i
n
g
t
h
r
e
s
h
o
l
d
s
f
r
o
m
a
pr
e
de
f
i
ne
d
s
e
t
o
f
v
a
l
ue
s
.
T
hi
s
a
ppr
o
a
c
h
a
im
s
t
o
r
e
duc
e
m
o
de
l
va
r
i
a
n
c
e
,
pr
e
v
e
n
t
o
v
e
r
f
i
t
t
i
n
g,
a
n
d
i
m
pr
o
v
e
ge
n
e
r
a
li
z
a
t
i
o
n
.
I
n
a
dd
i
t
i
o
n
,
t
h
e
s
e
t
r
e
e
s
a
r
e
m
o
r
e
r
ob
us
t
to
o
u
t
l
i
e
r
s
a
n
d
n
o
i
s
e
,
whil
e
ge
n
e
r
a
ll
y
o
f
f
e
r
i
n
g
s
h
o
r
t
e
r
t
r
a
i
ni
ng
[
10]
,
[
29]
.
2.
5.
5
.
Ada
B
oos
t
A
B
i
s
a
b
o
o
s
t
i
n
g
s
t
r
a
t
e
gy
t
h
a
t
i
t
e
r
a
t
i
ve
l
y
c
o
m
bi
ne
s
s
e
v
e
r
a
l
we
a
k
c
l
a
s
s
if
i
e
r
s
t
o
f
o
r
m
a
m
o
r
e
r
e
s
il
i
e
n
t
o
v
e
r
a
l
l
m
o
de
l
.
A
t
e
a
c
h
i
t
e
r
a
t
i
o
n
,
AB
a
d
j
us
t
s
t
h
e
we
i
g
h
t
s
o
f
t
h
e
i
ns
t
a
n
c
e
s
a
c
c
o
r
di
n
g
t
o
t
h
e
i
r
pe
r
f
o
r
m
a
n
c
e
,
p
l
a
c
i
ng
gr
e
a
t
e
r
e
m
p
h
a
s
i
s
o
n
poo
r
l
y
c
l
a
s
s
i
f
i
e
d
i
ns
t
a
n
c
e
s
.
T
hi
s
a
ppr
o
a
c
h
pr
o
m
o
t
e
s
t
h
e
c
o
n
s
t
r
uc
t
i
o
n
o
f
a
m
o
de
l
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
E
nhanc
ing
hy
pe
r
tens
ion
pr
e
diction:
a
hy
br
id
mac
h
ine
lear
ning
opti
miz
ati
on
appr
oac
h
(
A
bd
A
ll
ah
A
o
ur
agh
)
351
l
e
s
s
pr
o
n
e
to
o
v
e
r
f
i
t
t
i
n
g
a
n
d
c
a
pa
bl
e
o
f
ge
ne
r
a
l
iz
i
n
g
e
f
f
i
c
i
e
n
t
l
y
o
n
n
e
w
da
t
a
.
B
y
u
s
i
n
g
we
a
k
c
l
a
s
s
if
i
e
r
s
,
AB
o
f
f
e
r
s
gr
e
a
t
f
l
e
xi
b
il
i
t
y
,
c
a
n
be
a
da
pt
e
d
to
a
v
a
r
i
e
t
y
o
f
c
l
a
s
s
if
i
c
a
t
i
o
n
pr
o
bl
e
m
s
,
a
n
d
i
s
r
o
b
us
t
to
n
o
i
s
e
,
m
a
k
i
ng
i
t
s
u
i
t
a
bl
e
f
o
r
c
o
m
p
l
e
x
m
e
d
i
c
a
l
da
t
a
s
e
t
s
[
2
8]
,
[
29]
.
2.
6.
Hyp
e
r
p
ar
a
m
e
t
e
r
op
t
im
i
z
at
ion
wit
h
m
e
t
ah
e
u
r
is
t
ic
s
H
y
p
e
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
i
s
a
n
e
s
s
e
n
t
i
a
l
p
h
a
s
e
i
n
t
h
e
pr
o
c
e
s
s
o
f
b
u
i
l
d
i
ng
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
,
a
i
m
e
d
a
t
f
i
n
d
i
ng
o
pt
i
m
a
l
v
a
l
ue
s
f
o
r
t
h
e
pa
r
a
m
e
t
e
r
s
t
h
a
t
g
o
v
e
r
n
a
l
go
r
i
t
hm
b
e
h
a
vi
o
r
.
I
n
our
s
t
udy
,
we
h
a
v
e
f
a
v
o
r
e
d
t
h
e
us
e
o
f
a
d
v
a
nc
e
d
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
t
e
c
hni
que
s
s
uc
h
a
s
B
O
a
n
d
P
S
O,
a
ppr
o
a
c
h
e
s
w
i
de
ly
r
e
c
o
gni
z
e
d
i
n
t
h
e
f
i
e
l
d
o
f
m
a
c
hi
ne
l
e
a
r
ni
ng
r
e
s
e
a
r
c
h
.
Unl
i
k
e
tr
a
di
t
i
o
n
a
l
m
e
t
h
o
ds
s
uc
h
a
s
gr
i
d
s
e
a
r
c
h
,
t
h
e
s
e
t
e
c
hni
qu
e
s
o
f
f
e
r
s
e
v
e
r
a
l
s
i
g
nif
i
c
a
n
t
a
dv
a
n
t
a
ge
s
.
T
h
e
y
e
na
bl
e
a
m
o
r
e
e
f
f
i
c
i
e
n
t
e
x
p
l
o
r
a
t
i
o
n
o
f
t
h
e
hy
pe
r
pa
r
a
m
e
t
e
r
s
pa
c
e
,
c
o
n
s
i
de
r
a
bly
r
e
duc
i
ng
th
e
c
o
m
put
a
t
i
o
n
t
i
m
e
ne
e
de
d
t
o
f
i
nd
o
pt
i
m
a
l
c
o
nf
i
g
ur
a
t
i
o
n
s
.
I
n
a
dd
i
t
i
o
n
,
t
h
e
y
a
r
e
b
e
t
t
e
r
a
da
p
t
e
d
to
c
o
m
p
l
e
x
s
e
a
r
c
h
s
pa
c
e
s
a
n
d
a
r
e
o
f
t
e
n
a
s
s
o
c
i
a
t
e
d
w
i
t
h
h
e
i
g
h
t
e
n
e
d
a
c
c
ur
a
c
y
,
pe
r
f
o
r
m
a
n
c
e
,
a
n
d
ge
n
e
r
a
li
z
a
t
i
o
n
[
30]
,
[
3
1]
.
2.
6.
1.
B
aye
s
ian
op
t
im
iz
at
ion
B
O
i
s
a
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
m
e
t
h
o
d
b
a
s
e
d
o
n
t
h
e
c
o
n
c
e
pt
o
f
B
a
y
e
s
i
a
n
pr
o
b
a
bil
i
t
y
.
I
t
s
p
r
i
nc
i
p
l
e
i
s
ba
s
e
d
o
n
c
o
n
s
t
r
uc
t
i
n
g
a
pr
o
b
a
bi
li
s
t
i
c
m
o
de
l
t
o
e
s
t
i
m
a
t
e
t
h
e
pr
o
f
i
c
i
e
n
c
y
o
f
a
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
a
s
a
f
u
n
c
t
i
o
n
o
f
hy
pe
r
pa
r
a
m
e
t
e
r
s
.
Unl
i
k
e
gr
i
d
s
e
a
r
c
h
,
whi
c
h
e
xh
a
us
t
i
v
e
ly
e
x
p
l
o
r
e
s
a
l
l
po
s
s
i
bl
e
hy
pe
r
pa
r
a
m
e
t
e
r
v
a
l
ue
s
,
BO
us
e
s
a
n
i
t
e
r
a
t
i
v
e
a
p
pr
o
a
c
h
.
A
t
e
a
c
h
i
t
e
r
a
t
i
o
n
,
i
t
s
e
l
e
c
t
s
t
h
e
m
o
s
t
p
r
o
m
i
s
i
ng
hy
pe
r
pa
r
a
m
e
t
e
r
v
a
l
ue
s
b
a
s
e
d
o
n
pr
e
vi
o
us
o
b
s
e
r
v
a
t
i
o
n
s
o
f
t
h
e
o
bj
e
c
t
i
ve
f
u
nc
t
i
o
n
[
31]
.
T
hi
s
a
ppr
o
a
c
h
e
n
a
bl
e
s
a
m
o
r
e
e
f
f
i
c
i
e
n
t
e
x
p
l
o
r
a
t
i
o
n
o
f
t
h
e
hy
pe
r
pa
r
a
m
e
t
e
r
s
pa
c
e
,
f
o
c
us
i
n
g
o
n
t
h
e
m
o
s
t
pr
o
m
i
s
i
ng
r
e
gi
o
ns
.
T
h
e
a
d
v
a
n
t
a
ge
s
o
f
BO
li
e
i
n
i
t
s
a
bil
i
t
y
t
o
c
o
n
ve
r
ge
r
a
p
i
d
l
y
o
n
o
pt
i
m
a
l
s
o
l
ut
i
o
ns
,
e
v
e
n
i
n
c
o
m
p
l
e
x
,
hi
g
h
-
d
i
m
e
n
s
i
o
na
l
s
e
a
r
c
h
s
pa
c
e
s
.
I
n
a
ddi
t
i
o
n
,
i
t
m
a
ke
s
e
f
f
i
c
i
e
n
t
us
e
o
f
c
o
m
put
a
t
i
o
n
a
l
r
e
s
o
ur
c
e
s
by
d
y
n
a
m
i
c
a
ll
y
a
da
pt
i
n
g
t
h
e
d
i
s
t
r
i
b
ut
i
o
n
o
f
hy
pe
r
pa
r
a
m
e
t
e
r
e
v
a
l
u
a
t
i
o
n
s
a
c
c
o
r
d
i
n
g
to
t
h
e
i
nf
o
r
m
a
t
i
o
n
a
c
c
u
m
u
l
a
t
e
d
du
r
i
n
g
t
h
e
o
p
t
i
mi
z
a
t
i
o
n
pr
o
c
e
s
s
[
9]
,
[
11
]
,
[
30]
.
2.
6.
2.
P
ar
t
icle
s
wa
r
m
op
t
im
i
z
at
ion
P
S
O
i
s
a
n
o
p
t
i
m
i
z
a
t
i
o
n
t
e
c
h
ni
que
i
ns
p
i
r
e
d
by
t
h
e
c
o
l
l
e
c
t
i
v
e
b
e
h
a
vi
o
r
o
f
bi
r
d
o
r
i
ns
e
c
t
s
wa
r
m
s
.
I
t
s
pr
i
n
c
i
p
l
e
i
s
b
a
s
e
d
o
n
t
h
e
m
o
v
e
m
e
n
t
o
f
s
e
v
e
r
a
l
“
p
a
r
t
i
c
l
e
s
”
i
n
a
m
u
l
t
i
-
d
im
e
n
s
i
o
n
a
l
s
e
a
r
c
h
s
pa
c
e
,
e
a
c
h
r
e
pr
e
s
e
n
t
i
n
g
a
pot
e
n
t
i
a
l
s
o
l
ut
i
o
n
.
T
h
e
s
e
pa
r
t
i
c
l
e
s
a
d
j
us
t
t
h
e
i
r
m
o
v
e
m
e
n
t
a
c
c
o
r
di
n
g
to
t
h
e
i
r
o
wn
b
e
s
t
s
o
l
ut
i
o
n
f
o
u
n
d
s
o
f
a
r
,
a
s
we
l
l
a
s
t
h
e
be
s
t
s
o
l
ut
i
o
n
f
o
un
d
by
t
h
e
s
wa
r
m
a
s
a
wh
o
l
e
[
31]
.
T
hi
s
c
o
l
l
a
b
o
r
a
t
i
o
n
b
e
t
we
e
n
pa
r
t
i
c
l
e
s
pr
o
m
o
t
e
s
e
x
p
l
o
r
a
t
i
o
n
o
f
t
h
e
s
o
l
ut
i
o
n
s
pa
c
e
a
n
d
h
e
l
ps
to
c
o
n
ve
r
ge
to
wa
r
ds
gl
o
b
a
l
o
pt
i
m
u
ms
.
I
n
t
h
e
c
o
n
t
e
x
t
o
f
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
,
P
S
O
o
f
f
e
r
s
s
e
ve
r
a
l
a
d
v
a
n
t
a
ge
s
.
F
i
r
s
t
l
y
,
i
t
o
f
f
e
r
s
e
f
f
i
c
i
e
n
t
e
xp
l
o
r
a
t
i
o
n
o
f
t
h
e
hy
pe
r
pa
r
a
m
e
t
e
r
s
pa
c
e
,
e
n
a
bli
ng
pr
o
m
i
s
i
ng
c
o
nf
i
gur
a
t
i
o
ns
t
o
b
e
f
o
un
d
qu
i
c
k
ly
.
An
o
t
h
e
r
a
dv
a
n
t
a
ge
o
f
P
S
O
i
s
i
t
s
e
a
s
e
o
f
pa
r
a
l
l
e
li
z
a
t
i
o
n
,
whi
c
h
s
pe
e
d
s
up
t
h
e
o
p
t
i
mi
z
a
t
i
o
n
pr
o
c
e
s
s
by
e
f
f
i
c
i
e
n
t
l
y
l
e
v
e
r
a
g
i
ng
a
v
a
il
a
bl
e
c
o
m
put
i
n
g
r
e
s
o
ur
c
e
s
[
31]
.
3.
RE
S
UL
T
S
AN
D
DI
S
CU
S
S
I
ON
T
h
e
e
x
pe
r
i
m
e
n
t
s
i
n
o
ur
s
t
udy
we
r
e
pe
r
f
o
r
m
e
d
o
n
Goo
gl
e
C
o
l
a
b
,
a
c
l
o
ud
-
h
o
s
t
e
d
m
a
c
hi
ne
l
e
a
r
ni
ng
p
l
a
t
f
o
r
m
.
T
o
i
m
p
l
e
m
e
n
t
t
h
e
e
x
pe
r
i
m
e
n
t
s
,
we
us
e
d
t
h
e
P
y
t
h
o
n
pr
o
gr
a
m
mi
ng
l
a
n
gua
g
e
a
n
d
e
x
p
l
o
i
t
e
d
e
s
s
e
n
t
i
a
l
li
b
r
a
r
i
e
s
s
uc
h
a
s
P
a
n
da
s
,
S
c
i
k
i
t
-
l
e
a
r
n
,
S
c
i
k
i
t
-
o
pt
i
mi
z
e
,
a
n
d
H
y
pO
NI
C
f
o
r
da
t
a
m
a
ni
pu
l
a
t
i
o
n
,
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
b
u
il
d
i
n
g,
a
n
d
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
.
Our
s
t
udy
’
s
e
v
a
l
ua
t
i
o
n
a
ppr
o
a
c
h
r
e
li
e
s
o
n
a
s
e
r
i
e
s
o
f
r
i
go
r
o
us
e
v
a
l
ua
t
i
o
n
m
e
a
s
ur
e
s
.
S
o
m
e
o
f
t
h
e
s
e
a
r
e
a
c
c
ur
a
c
y
,
r
e
c
a
ll
,
pr
e
c
i
s
i
o
n
,
F
1
-
s
c
o
r
e
,
a
n
d
A
UC
-
R
OC
.
T
h
e
y
a
r
e
a
ll
n
e
c
e
s
s
a
r
y
f
o
r
f
i
gur
i
n
g
o
ut
h
o
w
we
l
l
t
h
e
m
o
de
l
s
c
a
n
pr
e
d
i
c
t
t
h
e
f
ut
ur
e
a
n
d
h
o
w
we
l
l
t
he
y
c
a
n
be
us
e
d
w
i
t
h
n
e
w
da
t
a
[
32
]
.
I
n
T
a
bl
e
s
1
–
5,
t
h
e
r
e
s
u
l
t
s
o
f
t
h
e
s
e
t
e
s
t
s
a
r
e
s
h
o
wn
.
T
h
e
y
s
h
o
w
h
o
w
we
l
l
t
h
e
a
l
go
r
i
t
hm
s
wo
r
ke
d
wh
e
n
c
o
m
pa
r
e
d
to
t
h
e
da
t
a
p
r
o
c
e
s
s
i
ng
m
e
t
h
o
ds
o
f
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
a
n
d
hy
pe
r
pa
r
a
m
e
t
e
r
opt
i
mi
z
a
t
i
o
n
.
F
o
r
t
h
e
or
i
g
i
na
l
da
t
a
s
e
t
,
a
s
s
u
m
m
a
r
i
z
e
d
i
n
T
a
ble
1,
t
h
e
AB
a
l
go
r
i
t
hm
s
too
d
o
u
t
wi
t
h
t
h
e
b
e
s
t
pe
r
f
o
r
m
a
n
c
e
i
n
s
e
ve
r
a
l
m
e
a
s
ur
e
s
:
a
n
a
c
c
ur
a
c
y
o
f
92.
81%
,
a
r
e
c
a
l
l
o
f
98.
57%
,
a
n
F
1
-
s
c
o
r
e
o
f
93.
15%
,
a
n
d
a
n
A
U
C
-
R
OC
o
f
92.
86%
.
I
n
t
e
r
m
s
o
f
pr
e
c
i
s
i
o
n
,
ET
s
a
c
hi
e
v
e
d
t
h
e
b
e
s
t
r
e
s
ul
t
,
wi
t
h
a
s
c
o
r
e
o
f
90.
93%
.
Af
t
e
r
a
pp
l
yi
ng
t
h
e
S
M
OT
E
t
e
c
hni
qu
e
to
b
a
l
a
n
c
e
th
e
da
t
a
s
e
t
,
T
a
bl
e
2
r
e
v
e
a
l
e
d
a
s
i
g
ni
f
i
c
a
n
t
i
m
pr
o
v
e
m
e
n
t
i
n
a
l
l
t
h
e
e
va
l
ua
t
i
o
n
m
e
t
r
i
c
s
,
w
i
t
h
a
n
a
v
e
r
a
ge
i
nc
r
e
a
s
e
o
f
1.
64%
.
T
hi
s
t
i
m
e
,
AB
o
u
t
pe
r
f
o
r
m
e
d
t
h
e
o
t
h
e
r
a
l
go
r
i
t
hm
s
,
r
e
c
or
di
n
g
t
h
e
hi
g
h
e
s
t
s
c
o
r
e
s
f
o
r
a
c
c
ur
a
c
y
(
94.
59%
)
,
p
r
e
c
i
s
i
o
n
(
95.
60%
)
,
F
1
-
s
c
o
r
e
(
94.
4
8%
)
,
a
n
d
A
U
C
-
R
OC
(
94.
58%
)
.
I
n
t
e
r
m
s
o
f
r
e
c
a
ll
,
ET
s
a
c
hi
e
v
e
d
t
h
e
b
e
s
t
r
e
s
u
l
t
,
wi
t
h
a
va
l
ue
o
f
94.
83%
.
Af
t
e
r
a
pp
l
yi
ng
t
h
e
A
C
O
a
l
go
r
i
t
hm
f
o
r
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
o
n
t
h
e
s
m
o
t
e
b
a
l
a
n
c
e
d
da
t
a
s
e
t
,
t
h
e
r
e
s
u
l
t
s
pr
e
s
e
n
t
e
d
i
n
T
a
bl
e
3
r
e
v
e
a
l
t
h
e
pr
e
do
m
i
na
n
c
e
o
f
AB
,
whi
c
h
i
m
pr
o
v
e
d
by
1.
60%
.
T
h
e
AB
a
l
go
r
i
t
hm
r
e
c
o
r
de
d
a
r
e
m
a
r
ka
bl
e
a
c
c
ur
a
c
y
o
f
96.
18%
,
a
r
e
c
a
l
l
o
f
97.
32%
,
a
n
F1
-
s
c
o
r
e
o
f
96.
20
%
,
a
n
d
a
n
A
UC
-
R
O
C
o
f
96.
19%
.
I
n
t
e
r
m
s
o
f
pr
e
c
i
s
i
o
n
,
t
h
e
hi
g
h
e
s
t
s
c
o
r
e
wa
s
r
e
c
o
r
de
d
by
ET
s
,
r
e
a
c
hi
n
g
96.
72%
.
Af
t
e
r
a
ppl
yi
ng
t
h
e
BO
,
T
a
bl
e
4
r
e
ve
a
l
s
a
s
l
i
g
h
t
pe
r
f
o
r
m
a
nc
e
i
m
pr
o
v
e
men
t
o
f
1.
42%
.
On
c
e
a
ga
i
n
,
AB
s
t
a
n
ds
o
ut
,
a
c
hi
e
vi
ng
t
h
e
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
1
,
J
a
n
ua
r
y
20
2
5
:
347
-
355
352
hi
g
h
e
s
t
v
a
l
u
e
s
f
o
r
a
c
c
ur
a
c
y
(
97.
60%
)
,
r
e
c
a
l
l
(
98.
93%
)
,
F
1
-
s
c
o
r
e
(
97
.
62%
)
,
a
n
d
A
UC
-
R
O
C
(
97.
61%
)
.
L
i
k
e
w
i
s
e
,
S
VM
a
c
hi
e
ve
d
t
h
e
hi
g
he
s
t
pr
e
c
i
s
i
o
n
o
f
98.
59%
.
A
f
t
e
r
t
h
e
a
pp
l
i
c
a
t
i
o
n
o
f
P
S
O,
T
a
bl
e
5
a
l
s
o
r
e
v
e
a
l
s
a
s
l
i
g
h
t
pe
r
f
o
r
m
a
n
c
e
i
m
pr
o
v
e
m
e
n
t
o
f
1.
05%
,
b
ut
n
o
t
a
s
s
i
g
ni
f
i
c
a
n
t
a
s
t
h
a
t
o
f
BO
.
On
c
e
a
ga
i
n
,
AB
s
t
a
n
ds
o
u
t
by
a
c
hi
e
vi
ng
t
h
e
hi
g
h
e
s
t
v
a
l
ue
s
f
o
r
a
c
c
ur
a
c
y
(
97.
07%
)
,
r
e
c
a
l
l
(
98.
39%
)
,
F
1
-
s
c
o
r
e
(
97.
09
%
)
,
a
n
d
A
UC
-
R
OC
(
97.
08%
)
.
I
n
a
ddi
t
i
o
n
,
S
VM
a
c
hi
e
v
e
d
t
h
e
hi
g
he
s
t
pr
e
c
i
s
i
o
n
o
f
96.
84%
.
M
e
a
s
ur
e
m
e
n
t
s
f
o
r
t
h
e
d
i
f
f
e
r
e
n
t
m
o
de
l
s
a
r
e
s
h
o
wn
i
n
F
i
gur
e
2,
pr
o
vi
d
i
n
g
a
gr
a
phi
c
a
l
r
e
pr
e
s
e
n
t
a
t
i
o
n
to
e
n
h
a
n
c
e
c
l
a
r
i
t
y
a
n
d
c
o
m
pr
e
h
e
ns
i
bil
i
t
y
.
T
h
e
r
e
s
u
l
t
s
a
b
o
ve
de
m
o
n
s
t
r
a
t
e
t
h
e
a
dv
a
n
t
a
ge
s
o
f
da
t
a
b
a
l
a
n
c
i
ng,
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
a
n
d
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
i
n
t
h
e
pr
e
d
i
c
t
i
o
n
o
f
hy
pe
r
t
e
n
s
i
o
n
.
T
h
e
c
o
m
bi
na
t
i
o
n
o
f
S
M
OT
E
,
A
C
O,
BO
,
a
n
d
t
h
e
AB
m
o
de
l
pr
o
duc
e
d
t
h
e
b
e
s
t
r
e
s
u
l
t
s
,
wi
t
h
a
n
a
c
c
ur
a
c
y
r
a
t
e
o
f
97.
60%
a
n
d
a
n
F
1
-
s
c
o
r
e
o
f
97.
62%
.
T
h
e
AB
a
n
d
ET
e
n
s
e
m
b
l
e
m
o
de
l
s
w
e
r
e
t
h
e
m
o
s
t
a
c
c
ur
a
t
e
a
n
d
h
a
d
t
h
e
hi
g
h
e
s
t
r
e
c
a
l
l
,
F
1
-
s
c
o
r
e
,
a
n
d
A
U
C
-
R
OC
.
T
hi
s
i
s
b
e
c
a
us
e
t
h
e
y
a
r
e
n
a
t
ur
a
l
ly
goo
d
a
t
f
i
gur
i
n
g
o
u
t
c
o
m
p
l
i
c
a
t
e
d
r
e
l
a
t
i
o
n
s
hi
p
s
b
e
t
we
e
n
v
a
r
i
a
bl
e
s
a
n
d
m
a
k
i
n
g
c
o
r
r
e
c
t
pr
e
di
c
t
i
o
n
s
.
T
h
e
i
r
a
bil
i
t
y
t
o
t
r
a
i
n
we
a
k
m
o
de
l
s
a
n
d
a
ggr
e
ga
t
e
t
h
e
m
s
i
g
nif
i
c
a
n
t
ly
im
pr
o
v
e
d
o
v
e
r
a
l
l
m
o
de
l
pe
r
f
o
r
m
a
n
c
e
.
On
t
h
e
ot
h
e
r
h
a
n
d,
t
h
e
S
VM
s
too
d
o
u
t
f
o
r
i
t
s
pr
e
c
i
s
i
o
n
be
c
a
u
s
e
i
t
us
e
s
de
c
i
s
i
o
n
hy
p
e
r
p
l
a
ne
s
t
h
a
t
m
a
xim
i
z
e
t
h
e
m
a
r
g
i
n
b
e
t
we
e
n
d
i
f
f
e
r
e
n
t
c
l
a
s
s
e
s
,
e
n
a
bli
ng
i
t
to
i
de
n
t
i
f
y
po
s
i
t
i
v
e
e
x
a
m
p
l
e
s
m
o
r
e
e
a
s
il
y
.
I
n
o
ur
s
t
udy
,
BO
pr
o
v
e
d
to
b
e
a
m
o
r
e
s
u
i
t
a
bl
e
a
n
d
e
f
f
i
c
i
e
n
t
a
ppr
o
a
c
h
to
e
n
h
a
n
c
e
t
h
e
pe
r
f
o
r
m
a
n
c
e
o
f
o
ur
m
a
c
hi
ne
l
e
a
r
ni
ng
m
o
de
l
s
t
h
a
n
P
S
O.
O
r
e
l
i
e
s
o
n
a
pr
o
b
a
bil
i
s
t
i
c
a
ppr
o
a
c
h
to
d
e
t
e
r
m
i
ne
o
p
t
i
m
a
l
hy
pe
r
pa
r
a
m
e
t
e
r
s
ba
s
e
d
o
n
t
h
e
r
e
s
u
l
t
s
o
f
pr
e
vi
o
us
i
t
e
r
a
t
i
o
ns
,
whi
c
h
e
n
a
bl
e
s
i
t
to
c
o
n
v
e
r
ge
m
o
r
e
qu
i
c
k
ly
o
n
hi
g
h
-
qua
li
t
y
s
o
l
ut
i
o
n
s
.
I
n
a
dd
i
t
i
o
n
,
t
hi
s
m
e
t
h
o
d
i
s
b
e
t
t
e
r
s
u
i
t
e
d
to
de
a
l
i
ng
w
i
t
h
hi
g
hly
c
o
m
p
l
e
x
,
n
o
n
-
l
i
ne
a
r
s
e
a
r
c
h
s
pa
c
e
s
.
Ho
we
v
e
r
,
whi
l
e
P
S
O
i
s
a
n
e
f
f
e
c
t
i
v
e
g
l
o
ba
l
o
pt
i
m
i
z
a
t
i
o
n
m
e
t
h
o
d,
i
t
c
a
n
s
t
r
uggl
e
w
i
t
h
hi
g
h
-
d
im
e
n
s
i
o
n
a
l
s
pa
c
e
s
a
n
d
d
i
s
c
o
n
t
i
n
uo
us
s
o
l
ut
i
o
n
r
e
g
i
o
ns
,
pot
e
n
t
i
a
ll
y
l
e
a
d
i
ng
t
o
s
u
b
o
pt
i
m
a
l
c
o
nf
i
gur
a
t
i
o
ns
.
W
h
e
n
c
o
m
pa
r
i
ng
o
ur
r
e
s
ul
t
s
to
t
h
o
s
e
o
f
pr
e
vi
o
us
s
t
udi
e
s
,
s
uc
h
a
s
t
h
o
s
e
by
[
13]
,
[
14
]
,
we
f
i
n
d
s
i
mi
l
a
r
i
t
i
e
s
i
n
t
h
e
a
pp
l
i
c
a
t
i
o
n
o
f
m
a
c
hi
ne
l
e
a
r
ni
ng
t
e
c
h
ni
qu
e
s
f
o
r
hy
pe
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
.
F
o
r
i
ns
t
a
n
c
e
,
b
o
t
h
o
ur
s
t
udy
a
n
d
t
h
e
i
r
s
hi
g
hli
g
h
t
t
h
e
e
f
f
e
c
t
i
v
e
n
e
s
s
o
f
e
n
s
e
m
b
l
e
m
e
t
h
o
ds
l
i
ke
AB
a
n
d
ET
.
H
o
we
v
e
r
,
our
s
t
udy
uni
que
ly
c
o
n
t
r
i
b
ut
e
s
by
f
o
c
us
i
ng
o
n
t
h
e
c
r
i
t
i
c
a
l
r
o
l
e
o
f
da
t
a
b
a
l
a
n
c
i
ng,
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
a
n
d
hy
pe
r
p
a
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
-
a
r
e
a
s
l
e
s
s
e
m
p
h
a
s
i
z
e
d
i
n
e
a
r
l
i
e
r
r
e
s
e
a
r
c
h
.
F
o
r
e
x
a
m
p
l
e
,
whil
e
[
15]
a
c
hi
e
v
e
d
a
n
a
c
c
ur
a
c
y
o
f
82%
us
i
n
g
n
e
ur
a
l
n
e
t
wo
r
ks
,
a
n
d
[
16]
a
tt
a
i
n
e
d
a
n
a
c
c
ur
a
c
y
o
f
86%
w
i
t
h
a
c
o
m
bi
na
t
i
o
n
o
f
K
NN
a
n
d
L
i
g
h
t
GB
M
,
o
ur
a
ppr
o
a
c
h
ut
i
li
z
i
ng
AB
a
n
d
ET
de
m
o
n
s
t
r
a
t
e
d
s
upe
r
i
o
r
pe
r
f
o
r
m
a
nc
e
,
a
c
hi
e
vi
ng
a
n
a
c
c
ur
a
c
y
o
f
97.
60%
a
n
d
a
n
F
1
-
s
c
o
r
e
o
f
97.
62
%
.
A
s
i
g
ni
f
i
c
a
n
t
s
t
r
e
n
gt
h
o
f
o
ur
s
t
udy
i
s
t
h
e
c
o
m
pr
e
h
e
ns
i
ve
m
e
t
h
o
do
l
o
g
i
c
a
l
a
ppr
o
a
c
h
,
whi
c
h
i
nc
l
ude
s
a
d
va
n
c
e
d
t
e
c
hni
que
s
s
uc
h
a
s
S
M
O
T
E
f
o
r
da
t
a
b
a
l
a
n
c
i
ng,
AC
O
f
o
r
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
,
a
n
d
BO
f
o
r
hy
p
e
r
pa
r
a
m
e
t
e
r
t
uni
n
g.
T
hi
s
a
ppr
o
a
c
h
n
ot
o
n
ly
e
nh
a
nc
e
s
t
h
e
a
c
c
ur
a
c
y
a
n
d
r
e
l
i
a
bil
i
t
y
o
f
t
h
e
pr
e
d
i
c
t
i
v
e
m
o
de
l
s
b
ut
a
l
s
o
pr
o
vi
de
s
a
pr
a
c
t
i
c
a
l
f
r
a
m
e
wo
r
k
t
h
a
t
c
a
n
b
e
r
e
a
d
i
ly
a
pp
l
i
e
d
i
n
c
l
i
n
i
c
a
l
s
e
t
t
i
n
gs
.
T
hi
s
i
s
pa
r
t
i
c
u
l
a
r
l
y
r
e
l
e
v
a
n
t
g
i
v
e
n
t
h
e
li
mi
t
a
t
i
o
ns
n
o
t
e
d
i
n
pr
e
vi
o
us
s
t
ud
i
e
s
,
s
uc
h
a
s
t
h
o
s
e
hi
g
hli
g
h
t
e
d
by
[
1
7]
,
[
18
]
,
w
h
o
i
de
n
t
i
f
i
e
d
c
ha
l
l
e
nge
s
i
n
m
o
de
l
i
n
t
e
r
pr
e
t
a
bil
i
t
y
a
n
d
t
r
a
i
ni
ng
t
i
m
e
s
.
Our
wo
r
k
m
i
t
i
ga
t
e
s
t
h
e
s
e
is
s
ue
s
by
e
m
p
l
o
yi
ng
a
r
o
b
us
t
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
pr
o
c
e
s
s
a
n
d
opt
i
mi
z
e
d
hy
p
e
r
pa
r
a
m
e
t
e
r
s
e
tt
i
n
gs
.
De
s
p
i
t
e
t
h
e
s
e
a
d
v
a
n
c
e
s
,
o
ur
s
t
udy
h
a
s
l
im
i
t
a
t
i
o
n
s
,
s
uc
h
a
s
t
h
e
po
t
e
n
t
i
a
l
l
a
c
k
o
f
r
e
pr
e
s
e
n
t
a
t
i
v
e
ne
s
s
o
f
o
ur
da
t
a
s
e
t
,
whi
c
h
m
a
y
a
f
f
e
c
t
t
h
e
ge
ne
r
a
l
i
z
a
bi
li
t
y
o
f
t
h
e
f
i
nd
i
ngs
.
F
ur
t
h
e
r
m
o
r
e
,
t
h
e
a
b
s
e
n
c
e
o
f
c
e
r
t
a
i
n
c
r
i
t
i
c
a
l
v
a
r
i
a
bl
e
s
,
a
s
po
i
n
t
e
d
o
u
t
i
n
pr
e
vi
o
u
s
s
t
udi
e
s
,
m
i
g
h
t
i
nf
l
ue
n
c
e
t
h
e
a
c
c
ur
a
c
y
o
f
t
h
e
m
o
de
l
s
.
F
ut
ur
e
r
e
s
e
a
r
c
h
s
h
o
u
l
d
e
x
p
l
o
r
e
t
h
e
a
ppl
i
c
a
t
i
o
n
o
f
o
ur
m
e
t
h
o
do
l
o
g
i
e
s
t
o
m
o
r
e
di
v
e
r
s
e
da
t
a
s
e
t
s
a
n
d
d
i
f
f
e
r
e
n
t
m
e
d
i
c
a
l
c
o
n
d
i
t
i
o
n
s
,
a
s
we
ll
a
s
t
h
e
i
r
i
n
t
e
gr
a
t
i
o
n
i
n
t
o
r
e
a
l
-
wo
r
l
d
c
l
i
n
i
c
a
l
wo
r
k
f
l
o
ws
.
A
dd
i
t
i
o
n
a
ll
y
,
e
xa
m
i
n
i
ng
t
he
i
m
pa
c
t
o
f
t
h
e
s
e
t
e
c
hni
que
s
o
n
pa
t
i
e
n
t
o
u
t
c
o
m
e
s
w
i
ll
b
e
c
r
uc
i
a
l
f
o
r
v
a
li
da
t
i
n
g
t
h
e
i
r
c
l
i
n
i
c
a
l
ut
i
li
t
y
.
O
v
e
r
a
ll
,
o
ur
s
t
udy
e
s
t
a
bli
s
h
e
s
a
n
e
w
b
e
n
c
hm
a
r
k
i
n
hy
pe
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
a
n
d
s
ugg
e
s
t
s
f
ut
ur
e
r
e
s
e
a
r
c
h
d
i
r
e
c
t
i
o
n
s
,
i
n
c
l
ud
i
ng
im
pr
o
vi
n
g
da
t
a
r
e
pr
e
s
e
n
t
a
t
i
v
e
n
e
s
s
a
n
d
e
x
p
l
o
r
i
ng
a
dd
i
t
i
o
n
a
l
v
a
r
i
a
bl
e
s
.
T
a
bl
e
1
.
Or
i
g
i
na
l
d
a
t
a
s
e
t
A
c
c
u
r
a
c
y
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
AUC
-
R
O
C
LR
84.38%
85.93%
81.93%
83.88%
84.36%
K
N
N
85.57%
85.48%
93.40%
89.27%
82.44%
S
V
M
82.13%
81.20%
93.94%
87.11%
77.42%
ET
91.22%
90.93%
91.41%
91.17%
91.22%
AB
92.81%
88.30%
98.57%
93.15%
92.86%
T
a
bl
e
2
.
B
a
l
a
n
c
e
d
S
M
OT
E
da
t
a
s
e
t
A
c
c
u
r
a
c
y
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
AUC
-
R
O
C
LR
86.25%
87.31%
91.98%
89.58%
83.97%
K
N
N
87.05%
89.48%
83.72%
86.51%
87.02%
S
V
M
84.31%
84.42%
92.69%
88.36%
80.96%
ET
92.10%
93.01%
94.83%
93.91%
91.01%
AB
94.59%
95.60%
93.38%
94.48%
94.58%
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
E
nhanc
ing
hy
pe
r
tens
ion
pr
e
diction:
a
hy
br
id
mac
h
ine
lear
ning
opti
miz
ati
on
appr
oac
h
(
A
bd
A
ll
ah
A
o
ur
agh
)
353
T
a
bl
e
3
.
B
a
l
a
n
c
e
d
S
M
OT
E
da
t
a
s
e
t
+
A
C
O
A
c
c
u
r
a
c
y
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
AUC
-
R
O
C
LR
88.82%
87.39%
90.52%
88.93%
88.83%
K
N
N
90.59%
88.46%
93.20%
90.77%
90.62%
S
V
M
89.09%
87.07%
91.59%
89.28%
89.11%
ET
93.35%
96.72%
89.62%
93.04%
93.32%
AB
96.18%
95.10%
97.32%
96.20%
96.19%
T
a
bl
e
4
.
B
a
l
a
n
c
e
d
S
M
OT
E
da
t
a
s
e
t
+
A
C
O
+
BO
A
c
c
u
r
a
c
y
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
AUC
-
R
O
C
LR
89.17%
87.22%
91.59%
89.35%
89.19%
K
N
N
91.04%
88.42%
94.28%
91.26%
91.06%
S
V
M
93.26%
98.59%
87.66%
92.80%
93.21%
ET
94.06%
98.43%
89.45%
93.72%
94.02%
AB
97.60%
96.34%
98.93%
97.62%
97.61%
T
a
bl
e
5
.
B
a
l
a
n
c
e
d
S
M
OT
E
da
t
a
s
e
t
+
A
C
O
+
PSO
A
c
c
u
r
a
c
y
P
r
e
c
is
i
o
n
R
e
c
a
ll
F1
-
s
c
o
r
e
AUC
-
R
O
C
LR
88.91%
87.16%
91.06%
89.06%
88.93%
K
N
N
90.95%
88.27%
94.28%
91.18%
90.98%
S
V
M
92.46%
96.84%
87.66%
92.02%
92.42%
ET
93.88%
94.71%
92.84%
93.77%
93.87%
AB
97.07%
95.82%
98.39%
97.09%
97.08%
F
i
gur
e
2.
M
e
tr
i
c
s
o
f
d
i
f
f
e
r
e
n
t
a
l
go
r
i
t
hm
s
4.
CONC
L
USI
ON
T
hi
s
s
t
ud
y
hi
g
hli
g
h
t
s
t
h
e
e
f
f
e
c
t
i
ve
n
e
s
s
o
f
m
a
c
hi
ne
l
e
a
r
ni
ng
t
e
c
hni
que
s
s
uc
h
a
s
AB
a
n
d
ET
i
n
pr
e
d
i
c
t
i
n
g
hy
pe
r
t
e
ns
i
o
n
,
a
c
hi
e
vi
ng
a
n
i
m
pr
e
s
s
i
ve
a
c
c
ur
a
c
y
o
f
97.
60%
.
B
y
i
n
t
e
gr
a
t
i
n
g
t
h
e
s
e
a
l
go
r
i
t
hm
s
w
i
t
h
a
dv
a
nc
e
d
f
e
a
t
ur
e
s
e
l
e
c
t
i
o
n
m
e
t
h
o
ds
l
i
ke
a
n
t
c
o
l
o
ny
o
pt
i
mi
z
a
t
i
o
n
,
hy
pe
r
pa
r
a
m
e
t
e
r
o
p
t
i
mi
z
a
t
i
o
n
t
h
r
ough
BO
,
a
n
d
da
t
a
ba
l
a
n
c
i
ng
vi
a
S
M
OT
E
,
we
h
a
v
e
de
m
o
ns
t
r
a
t
e
d
a
s
i
g
nif
i
c
a
n
t
e
nh
a
nc
e
m
e
n
t
i
n
pr
e
d
i
c
t
i
v
e
p
e
r
f
o
r
m
a
n
c
e
.
T
h
e
s
e
f
i
nd
i
ngs
s
ugge
s
t
t
h
a
t
s
uc
h
a
c
o
m
pr
e
h
e
n
s
i
v
e
a
ppr
o
a
c
h
c
a
n
s
u
b
s
t
a
n
t
i
a
ll
y
im
pr
o
v
e
d
i
a
g
n
o
s
t
i
c
a
c
c
ur
a
c
y
a
n
d
pa
t
i
e
n
t
m
a
n
a
ge
m
e
n
t
i
n
hy
pe
r
t
e
n
s
i
o
n
.
T
h
e
im
p
li
c
a
t
i
o
n
s
o
f
o
ur
r
e
s
e
a
r
c
h
e
x
t
e
n
d
b
e
y
o
n
d
t
h
e
im
m
e
d
i
a
t
e
r
e
s
u
l
t
s
.
T
h
e
c
o
m
bi
na
t
i
o
n
o
f
t
h
e
s
e
t
e
c
hni
que
s
o
f
f
e
r
s
a
r
o
b
us
t
f
r
a
m
e
wo
r
k
f
o
r
de
v
e
l
o
p
i
n
g
m
o
r
e
pr
e
c
i
s
e
a
n
d
r
e
l
i
a
bl
e
pr
e
d
i
c
t
i
v
e
t
oo
l
s
,
whi
c
h
c
o
u
l
d
t
r
a
n
s
f
o
r
m
h
o
w
hy
pe
r
t
e
n
s
i
o
n
a
n
d
po
t
e
n
t
i
a
ll
y
o
t
h
e
r
c
a
r
d
i
o
v
a
s
c
u
l
a
r
c
o
n
d
i
t
i
o
n
s
a
r
e
d
i
a
g
n
o
s
e
d
a
n
d
m
a
na
ge
d.
F
ut
ur
e
r
e
s
e
a
r
c
h
s
h
o
u
l
d
f
o
c
us
o
n
v
a
li
da
t
i
n
g
t
h
e
s
e
f
i
nd
i
ng
s
a
c
r
o
s
s
d
i
v
e
r
s
e
da
t
a
s
e
t
s
a
n
d
c
l
i
n
i
c
a
l
s
e
t
t
i
n
g
s
to
e
n
s
ur
e
b
r
o
a
de
r
a
pp
l
i
c
a
bil
i
t
y
a
n
d
r
o
b
us
t
n
e
s
s
.
A
dd
i
t
i
o
na
l
ly
,
e
x
p
l
o
r
i
ng
t
h
e
i
n
t
e
gr
a
t
i
o
n
o
f
t
h
e
s
e
m
e
t
h
o
ds
w
i
t
h
e
l
e
c
t
r
o
ni
c
h
e
a
l
t
h
r
e
c
o
r
ds
a
n
d
r
e
a
l
-
t
i
m
e
pa
t
i
e
n
t
m
o
ni
t
o
r
i
n
g
s
y
s
t
e
m
s
c
o
ul
d
f
ur
t
h
e
r
e
nh
a
n
c
e
t
h
e
i
r
ut
i
li
t
y
.
U
l
t
im
a
t
e
l
y
,
o
ur
s
t
udy
c
o
n
t
r
i
b
ut
e
s
to
t
h
e
a
dv
a
n
c
e
m
e
n
t
o
f
pr
e
d
i
c
t
i
v
e
m
e
d
i
c
i
ne
by
pr
o
vi
d
i
ng
a
pr
a
c
t
i
c
a
l
a
n
d
e
f
f
e
c
t
i
ve
a
ppr
o
a
c
h
f
o
r
hy
pe
r
t
e
n
s
i
o
n
pr
e
d
i
c
t
i
o
n
.
I
t
o
pe
n
s
a
v
e
n
ue
s
f
o
r
f
ur
t
h
e
r
e
x
p
l
o
r
a
t
i
o
n
i
n
t
o
pe
r
s
o
n
a
l
i
z
e
d
t
r
e
a
t
m
e
n
t
s
t
r
a
t
e
gi
e
s
a
n
d
t
h
e
o
p
t
i
mi
z
a
t
i
o
n
o
f
h
e
a
l
t
h
c
a
r
e
de
l
i
ve
r
y
,
w
i
t
h
t
h
e
pot
e
n
t
i
a
l
t
o
s
i
g
nif
i
c
a
n
t
l
y
im
pa
c
t
b
o
t
h
r
e
s
e
a
r
c
h
a
n
d
c
l
i
n
i
c
a
l
pr
a
c
t
i
c
e
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
S
S
N
:
2
5
0
2
-
4
7
52
In
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
,
Vo
l
.
3
7
,
N
o
.
1
,
J
a
n
ua
r
y
20
2
5
:
347
-
355
354
RE
F
E
R
E
NC
E
S
[
1]
S
.
B
r
o
uw
e
r
s
,
I
.
S
uda
n
o
,
Y
.
K
o
kub
o
,
a
nd
E
.
M
.
S
ul
a
i
c
a
,
“
A
r
t
e
r
ia
l
h
y
p
e
r
te
ns
i
o
n,”
T
he
L
anc
e
t
,
vo
l.
398,
n
o
.
10296,
pp.
249
–
261,
J
ul
. 2021, do
i:
10.1016/S
0140
-
6736(
21)
00221
-
X.
[
2]
“
H
y
pe
r
t
e
ns
io
n,”
2024. ht
tp
s
:/
/ww
w
.w
h
o
.i
nt
/n
e
w
s
-
r
oo
m/
f
a
c
t
-
s
h
e
e
ts
/d
e
ta
il
/h
y
p
e
r
t
e
ns
i
o
n (
a
c
c
e
s
s
e
d J
ul
. 26, 2024)
.
[
3]
J
.
A
.
W
hi
two
r
th
a
nd
J
.
C
ha
lm
e
r
s
,
“
W
o
r
ld
H
e
a
lt
h
O
r
ga
ni
s
a
ti
on
-
I
nt
e
r
na
ti
o
na
l
S
oc
i
e
t
y
of
H
y
p
e
r
t
e
ns
i
o
n
(
W
H
O
/
I
S
H
)
h
y
p
e
r
t
e
n
s
io
n
gui
de
li
n
e
s
,”
C
li
ni
c
al
and E
x
pe
r
ime
nt
al
H
y
pe
r
t
e
ns
io
n
, v
o
l.
26, n
o
. 7
–
8, pp. 747
–
752, 2004, d
o
i:
10.1081/C
E
H
-
200032152.
[
4]
B
.
V
.
S
il
v
a
,
C
.
S
o
us
a
,
D
.
C
a
ld
e
i
r
a
,
A
.
A
br
e
u,
a
nd
F
.
J
.
P
in
t
o
,
“
M
a
na
ge
m
e
nt
of
a
r
t
e
r
ia
l
h
y
p
e
r
t
e
ns
i
o
n:
c
ha
ll
e
nge
s
a
nd
o
pp
o
r
tu
n
it
i
e
s
,”
C
li
ni
c
al
C
ar
di
ol
ogy
, v
o
l.
45, n
o
. 11, pp. 1094
–
1
099, Nov
. 2022, d
o
i:
10.1002/
c
l
c
.23938.
[
5]
P
.
R
o
dr
íg
u
e
z
-
L
e
s
m
e
s
,
“
E
s
ti
ma
ti
ng
th
e
ga
in
s
of
e
a
r
l
y
d
e
t
e
c
t
i
on
of
h
y
p
e
r
t
e
ns
i
o
n
ove
r
th
e
ma
r
gi
na
l
pa
ti
e
nt
,”
P
L
oS
O
N
E
,
vo
l.
16,
no
. 7 J
ul
y
, p. e
0254260, J
ul
. 2021, d
o
i:
10.1371/
j
o
ur
na
l.
p
o
n
e
.0
254260.
[
6]
A
.
A
.
A
o
ur
a
gh
a
nd
M
.
B
a
ha
j,
“
A
d
v
a
nc
e
d
c
a
r
di
ov
a
s
c
ul
a
r
d
is
e
a
s
e
di
a
gn
o
s
is
w
it
h
ma
c
hi
n
e
l
e
a
r
ni
ng:
e
x
p
l
o
r
in
g
K
B
e
s
t,
t
-
S
N
E
,
gr
id
s
e
a
r
c
h, a
nd
e
ns
e
mbl
e
m
e
th
o
ds
,”
i
n
P
r
oc
e
e
di
ngs
-
2023 I
E
E
E
I
n
te
r
nat
io
nal
C
onf
e
r
e
nc
e
on A
dv
anc
e
s
i
n D
at
a
-
D
r
iv
e
n A
nal
y
ti
c
s
and
I
nt
e
ll
ig
e
nt
Sy
s
te
m
s
, A
D
A
C
I
S 2023
, N
ov
. 2023, pp. 1
–
6, d
o
i:
10.
1109/ADA
C
I
S
59737.2023.10424089.
[
7]
I
.
J
ovov
i
c
,
D
.
B
a
bi
c
,
T
.
P
o
p
ov
ic
,
S
.
C
a
ki
c
,
a
nd
I
.
K
a
tn
i
c
,
“
D
is
e
a
s
e
pr
e
di
c
ti
o
n
us
in
g
ma
c
hi
n
e
le
a
r
ni
ng
a
lg
o
r
it
hms
,”
in
2023
27t
h
I
nt
e
r
nat
io
nal
C
onf
e
r
e
nc
e
on I
nf
o
r
m
at
io
n T
e
c
hnol
og
y
, I
T
2023
, F
e
b. 2023, pp. 1
–
4, d
o
i:
10.1109/
I
T
57431.2023.10078464.
[
8]
S
.
A
.
A
lo
w
a
is
e
t
al
.
,
“
R
e
vo
lu
t
i
o
ni
z
in
g
h
e
a
lt
hc
a
r
e
:
th
e
r
o
l
e
of
a
r
ti
f
i
c
ia
l
in
te
ll
ig
e
n
c
e
in
c
li
ni
c
a
l
pr
a
c
ti
c
e
,”
B
M
C
M
e
di
c
al
E
duc
at
io
n
,
vo
l.
23, n
o
. 1, p. 689, S
e
p. 2023, d
o
i:
10.1186/s
12909
-
023
-
046
98
-
z.
[
9]
A
.
A
.
A
o
u
r
a
gh
a
nd
M
.
B
a
ha
j,
“
A
d
v
a
nc
in
g
br
e
a
s
t
c
a
n
c
e
r
di
a
gno
s
is
w
it
h
ma
c
hi
ne
l
e
a
r
ni
ng:
e
x
pl
o
r
in
g
da
ta
ba
la
nc
in
g,
f
e
a
t
ur
e
s
e
le
c
ti
o
n,
a
nd
ba
y
e
s
ia
n
o
pt
im
i
z
a
ti
o
n,”
in
2023
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
C
lo
ud
C
om
put
in
g
and
A
r
ti
f
i
c
ia
l
I
nt
e
ll
ig
e
nc
e
:
T
e
c
hnol
ogi
e
s
and A
ppl
ic
at
io
ns
, C
lo
udT
e
c
h 2023
, N
o
v
. 2023, p
p. 01
–
06, do
i:
10.1109/C
l
o
ud
T
e
c
h58737.2023.10366058.
[
10]
A
.
A
.
A
o
ur
a
gh
a
nd
M
.
B
a
ha
j,
“
F
e
a
tu
r
e
s
e
l
e
c
ti
o
n
a
nd
di
m
e
ns
io
na
li
t
y
r
e
du
c
ti
o
n
f
or
unba
la
nc
e
d
li
ve
r
di
s
e
a
s
e
c
la
s
s
if
i
c
a
ti
o
n
w
it
h
o
pt
im
i
z
e
d
ma
c
hi
n
e
le
a
r
n
in
g
a
lg
o
r
it
h
ms
,”
in
C
ol
lo
qui
um
in
I
n
fo
r
m
at
io
n
Sc
ie
nc
e
and
T
e
c
hnol
ogy
,
C
I
ST
,
D
e
c
.
2023,
pp.
547
–
552,
do
i:
10.1109/C
iS
t5
6084.2023.10409967.
[
11]
J
.
W
u,
X
.
Y
.
C
he
n,
H
.
Z
ha
ng,
L
.
D
.
X
i
o
ng,
H
.
L
e
i,
a
nd
S
.
H
.
D
e
ng,
“
H
y
p
e
r
pa
r
a
me
t
e
r
o
p
ti
mi
z
a
ti
o
n
f
o
r
ma
c
hi
n
e
l
e
a
r
ni
ng
m
ode
ls
ba
s
e
d
o
n
B
a
y
e
s
ia
n
o
pt
im
i
z
a
ti
o
n,”
J
our
nal
o
f
E
le
c
t
r
oni
c
Sc
ie
nc
e
and
T
e
c
hnol
ogy
,
v
ol
.
17,
no
.
1,
pp.
26
–
40,
20
19,
do
i:
10.11989/J
E
S
T
.1674
-
862X.80904120.
[
12]
M
.
B
e
kb
o
la
t
ov
a
,
J
.
M
a
y
e
r
,
C
.
W
.
O
ng,
a
nd
M
.
T
o
ma
,
“
T
r
a
ns
f
o
r
ma
ti
ve
p
o
t
e
nt
ia
l
of
a
i
in
he
a
lt
h
c
a
r
e
:
de
f
in
i
ti
o
ns
,
a
ppl
ic
a
ti
o
ns
,
a
nd
na
v
ig
a
ti
ng t
h
e
e
th
ic
a
l
la
nds
c
a
pe
a
nd publi
c
p
e
r
s
p
e
c
ti
ve
s
,”
H
e
al
th
c
ar
e
(
Sw
it
z
e
r
la
nd)
, vo
l.
12, n
o
. 2, p. 125, 2024
.
[
13]
S
.
P
a
dma
na
bha
n,
T
.
Q
.
B
.
T
r
a
n,
a
nd
A
.
F
.
D
o
mi
ni
c
z
a
k,
“
A
r
ti
f
i
c
ia
l
in
te
ll
ig
e
nc
e
in
h
y
p
e
r
t
e
ns
io
n
:
s
e
e
in
g
th
r
o
ugh
a
gl
a
s
s
d
a
r
k
l
y
,”
C
ir
c
ul
at
io
n R
e
s
e
ar
c
h
, v
o
l.
128, n
o
. 7, pp. 1100
–
1118, Ap
r
. 202
1, do
i:
10.1161/C
I
R
C
R
E
S
A
H
A
.121.318106.
[
14]
E
.
M
a
r
ti
ne
z
-
R
í
o
s
,
L
.
M
o
nt
e
s
in
o
s
,
M
.
A
l
f
a
r
o
-
P
o
nc
e
,
a
nd
L
.
P
e
c
c
hi
a
,
“
A
r
e
v
ie
w
of
ma
c
h
in
e
le
a
r
n
in
g
in
h
y
p
e
r
t
e
ns
io
n
de
t
e
c
ti
o
n
a
nd
bl
oo
d
pr
e
s
s
ur
e
e
s
ti
ma
ti
o
n
ba
s
e
d
o
n
c
li
ni
c
a
l
a
nd
ph
y
s
i
ol
o
gi
c
a
l
da
ta
,”
B
io
m
e
di
c
al
Si
gnal
P
r
oc
e
s
s
in
g
and
C
ont
r
ol
,
v
o
l.
68,
p. 102813, J
ul
. 2021, do
i:
10.1016/j
.bs
p
c
.2021.102813.
[
15]
D
.
L
a
f
r
e
ni
e
r
e
,
F
.
Z
ul
k
e
r
ni
n
e
,
D
.
B
a
r
b
e
r
,
a
nd
K
.
M
a
r
ti
n,
“
U
s
in
g
ma
c
hi
n
e
l
e
a
r
ni
ng
t
o
pr
e
di
c
t
h
y
p
e
r
t
e
ns
i
o
n
f
r
o
m
a
c
li
ni
c
a
l
da
ta
s
e
t,
”
in
2016 I
E
E
E
Sy
m
pos
iu
m
Se
r
ie
s
on
C
om
put
at
io
nal
I
nt
e
ll
ig
e
nc
e
, SSC
I
2016
, D
e
c
. 2017, pp. 1
–
7
.
[
16]
M
.
F
a
ng
e
t
al
.
,
“
A
hy
b
r
id
ma
c
h
in
e
l
e
a
r
ni
ng
a
ppr
o
a
c
h
f
or
h
ype
r
t
e
ns
i
o
n
r
is
k
pr
e
di
c
ti
o
n,”
N
e
ur
al
C
om
put
in
g
and
A
ppl
ic
at
io
ns
,
vo
l.
35, n
o
. 20, pp. 14487
–
14497, J
ul
. 2023, d
o
i:
10.1007/s
005
21
-
021
-
06060
-
0.
[
17]
M
.
H
.
H
ung
e
t
al
.
,
“
P
r
e
di
c
ti
o
n
of
ma
s
ke
d
h
y
p
e
r
t
e
ns
i
o
n
a
nd
m
a
s
ke
d
unc
o
nt
r
o
ll
e
d
h
y
p
e
r
t
e
ns
i
o
n
us
in
g
ma
c
hi
ne
l
e
a
r
ni
ng,”
F
r
ont
ie
r
s
in
C
ar
di
ov
as
c
ul
a
r
M
e
di
c
in
e
, v
o
l.
8, N
ov
. 2021, d
o
i:
10.3389/
f
c
v
m.2021.778306.
[
18]
H
.
Z
ha
o
e
t
al
.
,
“
P
r
e
d
ic
ti
ng
th
e
r
is
k
of
h
y
p
e
r
t
e
ns
i
o
n
ba
s
e
d
o
n
s
e
ve
r
a
l
e
a
s
y
-
to
-
c
ol
le
c
t
r
is
k
f
a
c
t
o
r
s
:
a
ma
c
h
in
e
le
a
r
ni
ng
me
th
o
d
,”
F
r
ont
ie
r
s
i
n
P
ubl
ic
H
e
al
th
,
vo
l.
9, S
e
p. 2021, d
o
i:
10.3389/
f
pub
h.2021.619429.
[
19]
Y
.
Y
a
n
e
t
al
.
,
“
A
ppl
ic
a
ti
o
n
of
ba
c
k
pr
o
pa
ga
ti
o
n
ne
ur
a
l
ne
tw
or
k
mo
d
e
l
o
pt
im
i
z
e
d
b
y
pa
r
ti
c
l
e
s
w
a
r
m
a
lg
o
r
it
hm
in
pr
e
di
c
ti
ng
th
e
r
is
k of
h
y
p
e
r
te
ns
i
o
n,”
Jo
ur
nal
of
C
li
ni
c
al
H
y
pe
r
te
ns
io
n
, v
o
l.
24
, no
. 12, pp. 1606
–
1617, D
e
c
. 2022, d
oi
:
10.1111/j
c
h.14597.
[
20]
W
.
C
ha
ng
e
t
al
.
,
“
P
r
e
di
c
ti
o
n
of
h
y
p
e
r
te
ns
i
o
n
o
ut
c
o
m
e
s
ba
s
e
d
o
n
ga
in
s
e
qu
e
nc
e
f
or
w
a
r
d
ta
bu
s
e
a
r
c
h
f
e
a
tu
r
e
s
e
le
c
ti
o
n
a
nd
x
gb
oo
s
t,
”
D
ia
gnos
ti
c
s
, vo
l.
11,
n
o
. 5, p. 792, Apr
. 2021, d
o
i:
10
.3390/di
a
gno
s
ti
c
s
11050792.
[
21]
A
. F
. F
.
J
im
é
ne
z
a
nd V
. S
.
S
.
L
e
e
, “
H
ip
e
r
t
e
ns
i
o
n
a
r
t
e
r
ia
l
M
e
xi
c
o
da
ta
s
e
t,
”
K
aggl
e
, 2024.
[
22]
S
e
c
r
e
ta
r
ía
d
e
s
a
lu
d
de
M
é
x
ic
o
E
N
S
A
N
U
T
,
“
E
n
c
u
e
s
ta
N
a
c
io
n
a
l
de
S
a
lu
d
y
N
ut
r
ic
ió
n,”
E
ns
anut
,
vo
l.
1
,
p.
47,
2018,
[
O
nl
i
ne
]
.
A
v
a
il
a
bl
e
:
ht
tp
s
:/
/e
ns
a
nut
.i
ns
p.m
x
/
e
nc
u
e
s
ta
s
/e
ns
a
nut
2018/d
o
c
t
o
s
/i
n
f
o
r
me
s
/
e
ns
a
nut
_2018_pr
e
s
e
nt
a
c
i
o
n_
r
e
s
ul
ta
d
o
s
.pd
f
.
[
23]
S
.
G
a
v
r
y
l
e
nk
o
,
Z
.
V
la
di
s
la
v
,
a
nd
N
.
K
ha
ts
ko
,
“
M
e
th
o
ds
f
o
r
i
mpr
ovi
ng
th
e
qua
li
t
y
of
c
la
s
s
if
i
c
a
ti
o
n
o
n
im
ba
la
n
c
e
d
da
t
a
,”
in
2023
I
E
E
E
4t
h
K
h
P
I
W
e
e
k
on
A
dv
anc
e
d
T
e
c
hnol
ogy
,
K
h
P
I
W
e
e
k
2023
-
C
onf
e
r
e
nc
e
P
r
oc
e
e
di
ngs
,
O
c
t.
2023,
pp.
1
–
5,
do
i:
10.1109/
K
hP
I
W
e
e
k61412.2023.10312879.
[
24]
D
.
E
lr
e
e
d
y
,
A
.
F
.
A
ti
y
a
,
a
nd
F
.
K
a
ma
l
ov
,
“
A
th
e
o
r
e
ti
c
a
l
di
s
tr
ib
ut
io
n
a
na
l
y
s
is
of
s
y
nt
h
e
t
i
c
mi
n
o
r
it
y
ove
r
s
a
mpl
in
g
te
c
hni
que
(
S
M
O
T
E
)
f
or
i
mba
la
nc
e
d l
e
a
r
ni
ng,”
M
ac
hi
ne
L
e
ar
ni
ng
,
vo
l.
11
3, no
. 7, pp. 4903
–
4923, 2024, d
o
i:
10.1007/s
10994
-
022
-
06296
-
4.
[
25]
R
.
B
la
gus
a
nd
L
.
L
us
a
,
“
S
M
O
T
E
f
o
r
h
ig
h
-
di
m
e
ns
i
o
na
l
c
la
s
s
-
i
mba
la
nc
e
d
da
ta
,”
B
M
C
B
io
in
f
or
m
at
ic
s
,
v
o
l.
14,
n
o
.
1,
p.
106,
D
e
c
.
2013, do
i:
10.1186/1471
-
2105
-
14
-
106.
[
26]
D
.
T
h
e
ng
a
nd
K
.
K
.
B
h
oy
a
r
,
“
F
e
a
tu
r
e
s
e
l
e
c
ti
o
n
t
e
c
hni
qu
e
s
f
o
r
ma
c
hi
ne
le
a
r
n
in
g:
a
s
ur
ve
y
of
m
o
r
e
th
a
n
tw
o
d
e
c
a
d
e
s
of
r
e
s
e
a
r
c
h,
”
K
now
le
dge
and I
nf
or
m
at
io
n Sy
s
te
m
s
, v
o
l.
66, n
o
. 3, pp. 1
575
–
1
637, M
a
r
. 2024, do
i:
10.1007/s
10115
-
023
-
02010
-
5.
[
27]
A
.
H
a
s
he
mi
a
nd
M
.
B
.
D
o
w
la
ts
ha
hi
,
“
E
x
pl
or
in
g
a
nt
c
o
l
o
n
y
o
pt
im
i
z
a
ti
o
n
f
o
r
f
e
a
tu
r
e
s
e
le
c
ti
o
n:
a
c
o
mpr
e
he
ns
i
ve
r
e
v
i
e
w
,”
in
A
ppl
ic
at
io
ns
of
A
nt
C
ol
ony
O
pt
imi
z
at
io
n and it
s
V
ar
ia
nt
s
:
C
as
e
St
udi
e
s
and N
e
w
D
e
v
e
lo
pm
e
nt
s
, 2024, pp. 45
–
60.
[
28]
A
.
A
.
A
o
ur
a
gh,
M
.
B
a
ha
j,
a
nd
N
.
G
he
r
a
bi
,
“
C
o
mpa
r
a
ti
v
e
s
t
ud
y
of
di
m
e
ns
io
na
li
t
y
r
e
du
c
ti
o
n
te
c
hni
qu
e
s
a
nd
ma
c
hi
ne
l
e
a
r
ni
ng
a
lg
o
r
it
h
ms
f
o
r
a
lz
h
e
im
e
r
’
s
di
s
e
a
s
e
c
la
s
s
if
i
c
a
ti
o
n
a
nd
pr
e
di
c
ti
o
n,”
in
2022
I
E
E
E
3r
d
I
nt
e
r
nat
io
nal
C
on
f
e
r
e
nc
e
on
E
le
c
t
r
o
ni
c
s
,
C
ont
r
ol
, O
pt
imi
z
at
io
n and C
om
put
e
r
Sc
ie
nc
e
, I
C
E
C
O
C
S 2022
,
D
e
c
. 2022, pp. 1
–
6, d
oi
:
10.1109/I
C
E
C
O
C
S
55148.2022.99832
11.
[
29]
I
.
H
.
S
a
r
k
e
r
,
“
M
a
c
hi
ne
l
e
a
r
ni
ng:
a
lg
or
it
hms
,
r
e
a
l
-
w
o
r
ld
a
ppl
i
c
a
ti
o
ns
a
nd
r
e
s
e
a
r
c
h
di
r
e
c
ti
o
ns
,”
SN
C
om
put
e
r
Sc
i
e
nc
e
,
v
o
l.
2,
n
o.
3,
p. 160, M
a
y
2021, d
o
i
:
10.1007/s
42979
-
021
-
00592
-
x.
[
30]
T
.
B
a
n,
M
.
O
hue
,
a
nd
Y
.
A
ki
y
a
ma
,
“
E
f
f
i
c
ie
n
t
h
y
p
e
r
pa
r
a
m
e
te
r
o
pt
im
i
z
a
ti
o
n
b
y
us
in
g
B
a
y
e
s
ia
n
o
pt
im
i
z
a
ti
o
n
f
or
dr
ug
-
ta
r
ge
t
in
te
r
a
c
ti
o
n
p
r
e
di
c
ti
o
n,”
in
I
E
E
E
I
nt
e
r
nat
io
nal
C
onf
e
r
e
n
c
e
on
C
om
put
at
io
nal
A
dv
anc
e
s
in
B
io
and
M
e
di
c
al
Sc
ie
nc
e
s
,
I
C
C
A
B
S
,
O
c
t.
2017,
vo
l.
2017
-
O
c
t
o
b
e
r
, pp. 1
–
6, d
o
i:
10.1109/
I
C
C
A
B
S
.2
017.8114299.
[
31]
A
.
I
ndr
a
w
a
ti
a
nd
I
.
N
.
W
a
hy
uni
,
“
E
nha
n
c
in
g
ma
c
hi
n
e
l
e
a
r
ni
ng
mo
d
e
ls
th
r
o
ugh
h
y
p
e
r
pa
r
a
m
e
t
e
r
o
pt
im
i
z
a
ti
o
n
w
it
h
pa
r
t
i
c
le
s
w
a
r
m
o
pt
im
i
z
a
ti
o
n,”
in
P
r
oc
e
e
di
ngs
-
2023
10t
h
I
nt
e
r
nat
io
nal
C
on
f
e
r
e
nc
e
on
C
om
put
e
r
,
C
ont
r
ol
,
I
nf
o
r
m
at
ic
s
and
it
s
A
ppl
ic
at
io
ns
:
E
x
pl
or
in
g
th
e
P
o
w
e
r
of
D
at
a:
L
e
v
e
r
agi
ng
I
nf
o
r
m
at
io
n
to
D
r
iv
e
D
ig
it
al
I
nnov
at
io
n,
I
C
3I
N
A
2023
,
O
c
t.
2023,
pp.
244
–
249,
do
i:
10.1109/
I
C
3I
N
A
60834.2023.10285736.
[
32]
G
.
N
a
id
u,
T
.
Z
u
v
a
,
a
nd
E
.
M
.
S
ib
a
nda
,
“
A
r
e
v
ie
w
of
e
v
a
lu
a
t
io
n
m
e
tr
i
c
s
in
ma
c
hi
n
e
le
a
r
n
in
g
a
lg
or
it
hms
,”
in
L
e
c
tu
r
e
N
ot
e
s
in
N
e
tw
or
k
s
and Sy
s
te
m
s
, v
o
l.
724
L
N
N
S
, 2023, pp. 15
–
25.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
do
n
e
s
i
a
n
J
E
l
e
c
E
n
g
&
C
o
m
p
S
c
i
I
S
S
N:
2
5
0
2
-
4
7
52
E
nhanc
ing
hy
pe
r
tens
ion
pr
e
diction:
a
hy
br
id
mac
h
ine
lear
ning
opti
miz
ati
on
appr
oac
h
(
A
bd
A
ll
ah
A
o
ur
agh
)
355
B
I
OG
RA
P
HI
E
S
OF
AU
T
HO
RS
A
bd
A
l
l
a
h
A
o
u
ra
g
h
i
s
c
u
rr
en
t
l
y
p
u
rs
u
i
n
g
h
i
s
Ph
.
D
.
at
t
h
e
M
I
E
T
L
ab
o
rat
o
r
y
,
Fac
u
l
t
y
o
f
S
ci
e
n
ce
s
an
d
T
ec
h
n
i
q
u
e
s
,
H
as
s
an
Fi
rs
t
U
n
i
v
e
rs
i
t
y
,
S
e
t
t
at
,
Mo
ro
cc
o
.
H
i
s
r
e
s
e
ar
c
h
i
s
fo
cu
s
ed
o
n
a
d
v
a
n
c
i
n
g
m
ed
i
c
a
l
d
i
a
g
n
o
s
i
s
s
u
p
p
o
rt
s
y
s
t
e
m
s
,
w
i
t
h
a
p
art
i
cu
l
ar
em
p
h
as
i
s
o
n
l
ev
e
rag
i
n
g
m
a
ch
i
n
e
l
e
ar
n
i
n
g
,
d
ee
p
l
e
ar
n
i
n
g
,
an
d
c
o
m
p
u
t
e
r
v
i
s
i
o
n
t
ech
n
i
q
u
e
s
t
o
d
ev
e
l
o
p
i
n
n
o
v
at
i
v
e
s
o
l
u
t
i
o
n
s
.
Fo
r
i
n
q
u
i
ri
e
s
o
r
co
l
l
ab
o
rat
i
o
n
o
p
p
o
rt
u
n
i
t
i
e
s
,
h
e
c
a
n
b
e
co
n
t
a
c
t
ed
at
em
ai
l
:
ab
d
al
l
ah
a
o
u
ra
g
h
@
g
m
a
i
l
.
c
o
m
.
M
o
h
a
m
ed
Ba
h
a
j
recei
v
ed
h
i
s
Ph
.
D
.
i
n
Mat
h
em
at
i
c
s
an
d
C
o
m
p
u
t
e
r
S
ci
e
n
ce
fr
o
m
t
h
e
U
n
i
v
e
rs
i
t
y
H
as
s
an
1
s
t
,
Mo
ro
cc
o
,
an
d
c
u
rr
en
t
l
y
s
e
rv
es
as
a
fu
l
l
p
ro
f
e
s
s
o
r
i
n
t
h
e
D
e
p
art
me
n
t
o
f
Mat
h
em
at
i
c
s
an
d
Co
m
p
u
t
e
r
S
ci
e
n
ce
s
at
t
h
e
U
n
i
v
e
rs
i
t
y
H
as
s
an
1
s
t
,
Facu
l
t
y
o
f
S
ci
e
n
ce
s
an
d
T
e
ch
n
o
l
o
g
y
,
S
e
t
t
at
,
Mo
ro
cc
o
.
W
i
t
h
a
ro
b
u
s
t
a
c
ad
emi
c
b
ac
k
g
ro
u
n
d
,
h
e
h
as
c
o
n
t
ri
b
u
t
ed
o
v
e
r
6
0
p
e
e
r
-
r
ev
i
ew
ed
p
ap
e
rs
,
s
p
an
n
i
n
g
ar
e
as
s
u
c
h
as
I
n
t
e
l
l
i
g
e
n
t
S
y
s
t
em
s
,
O
n
t
o
l
o
g
i
e
s
E
n
g
i
n
ee
ri
n
g
,
Part
i
al
an
d
D
i
ffe
r
en
t
i
al
E
q
u
at
i
o
n
s
,
N
u
me
ri
c
a
l
A
n
a
l
y
s
i
s
,
an
d
S
c
i
en
t
i
fi
c
Co
m
p
u
t
i
n
g
.
H
e
h
as
p
ro
v
i
d
ed
v
a
l
u
ab
l
e
p
ee
r
rev
i
ew
s
e
r
v
i
ce
s
f
o
r
v
ari
o
u
s
j
o
u
rn
a
l
s
a
n
d
me
n
t
o
r
ed
s
e
v
e
ra
l
P
h
.
D
.
s
t
u
d
e
n
t
s
i
n
co
m
p
u
t
e
r
s
c
i
en
ce
s
an
d
m
at
h
em
at
i
c
s
.
H
e
a
c
t
i
v
el
y
en
g
a
g
e
s
i
n
w
o
r
k
s
h
o
p
s
,
s
em
i
n
ars
,
an
d
a
c
ad
emi
c
fo
r
u
m
s
t
o
en
h
a
n
ce
t
e
a
ch
i
n
g
me
t
h
o
d
o
l
o
g
i
es
an
d
re
s
e
ar
c
h
p
ra
c
t
i
c
e
s
.
Fo
r
i
n
q
u
i
r
i
e
s
,
h
e
c
an
b
e
co
n
t
a
c
t
ed
at
em
a
i
l
:
mo
h
a
med
b
ah
aj
@
g
m
a
i
l
.
co
m
.
F
o
u
a
d
To
ufi
k
rece
i
v
e
d
h
i
s
Ph
.
D
.
i
n
Co
m
p
u
t
e
r
S
c
i
en
ce
fro
m
t
h
e
U
n
i
v
e
rs
i
t
y
H
as
s
an
1
st
,
S
e
t
t
at
,
Mo
ro
cco
.
H
e
c
u
rr
en
t
l
y
h
o
l
d
s
t
h
e
p
o
s
i
t
i
o
n
o
f
Pr
o
f
e
s
s
o
r
o
f
C
o
m
p
u
t
e
r
Sci
en
ce
s
at
t
h
e
H
i
g
h
e
r
S
ch
o
o
l
o
f
T
ech
n
o
l
o
g
y
S
A
L
E
,
Mo
h
a
mme
d
V
U
n
i
v
e
rs
i
t
y
,
Mo
ro
cco
.
W
i
t
h
e
x
p
e
rt
i
s
e
i
n
art
i
fi
ci
al
i
n
t
e
l
l
i
g
e
n
ce
,
b
i
g
d
at
a,
an
d
d
at
ab
as
e
ar
c
h
i
t
ec
t
u
r
e
s
,
h
i
s
re
s
e
ar
c
h
i
n
t
e
r
e
s
t
s
l
i
e
at
t
h
e
i
n
t
e
rs
ec
t
i
o
n
o
f
t
h
e
s
e
f
i
e
l
d
s
.
H
i
s
ac
a
d
em
i
c
p
u
rs
u
i
t
s
ai
m
t
o
ad
v
an
ce
k
n
o
w
l
ed
g
e
a
n
d
i
n
n
o
v
at
i
o
n
i
n
t
h
e
s
e
ar
e
as
,
co
n
t
ri
b
u
t
i
n
g
t
o
t
h
e
d
ev
e
l
o
p
men
t
o
f
c
u
t
t
i
n
g
-
e
d
g
e
t
e
ch
n
o
l
o
g
i
e
s
.
Fo
r
i
n
q
u
i
ri
e
s
o
r
co
l
l
ab
o
rat
i
o
n
o
p
p
o
rt
u
n
i
t
i
e
s
,
h
e
c
an
b
e
c
o
n
t
ac
t
e
d
at
em
ai
l
:
t
o
u
fi
k
.
fo
u
ad
@
g
m
a
i
l
.
co
m
.
Evaluation Warning : The document was created with Spire.PDF for Python.