T
E
L
K
O
M
NIKA
T
elec
o
mm
un
ica
t
io
n Co
m
pu
t
i
ng
E
lect
ro
nics
a
nd
Co
ntr
o
l
Vo
l.
24
,
No
.
5
,
Octo
b
er
20
26
,
p
p
.
1
5
8
1
~
1
5
9
6
I
SS
N:
1
6
9
3
-
6
9
3
0
,
DOI
: 1
0
.
1
2
9
2
8
/
T
E
L
KOM
NI
K
A
.
v
24
i
5
.
27916
1581
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//telko
mn
ika
.
u
a
d
.
a
c.
i
d
M
a
chine
lea
rning
-
ba
sed joint
opti
m
i
z
a
tion
for Lo
R
a
WAN
relia
bility a
nd e
n
ergy
ef
fici
ency
Na
na
Rus
dia
na
,
No
v
i In
driy
a
ni,
Adi Nug
ro
ho
,
Riri
F
it
ri
Sa
ri,
Dino
B
ud
i P
ra
k
o
s
o
D
e
p
a
r
t
me
n
t
o
f
El
e
c
t
r
i
c
a
l
En
g
i
n
e
e
r
i
n
g
,
F
a
c
u
l
t
y
o
f
En
g
i
n
e
e
r
i
n
g
,
U
n
i
v
e
r
si
t
y
o
f
I
n
d
o
n
e
si
a
,
D
e
p
o
k
,
I
n
d
o
n
e
si
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
Mar
4
,
2026
R
ev
i
s
ed
J
u
n
3
,
2026
A
cc
ep
ted
J
u
n
30
,
2026
De
n
se
lo
n
g
-
ra
n
g
e
w
id
e
a
re
a
n
e
tw
o
rk
(
L
o
Ra
WAN
)
d
e
p
lo
y
m
e
n
ts
o
f
ten
e
x
p
e
rien
c
e
re
d
u
c
e
d
p
a
c
k
e
t
d
e
li
v
e
r
y
re
li
a
b
il
it
y
(P
DR)
a
n
d
in
c
re
a
se
d
e
n
e
rg
y
c
o
n
su
m
p
ti
o
n
d
u
e
to
su
b
o
p
ti
m
a
l
a
d
a
p
ti
v
e
d
a
ta
ra
te
(A
DR)
m
e
c
h
a
n
is
m
s.
T
h
is
stu
d
y
p
ro
p
o
se
s
a
m
a
c
h
in
e
lea
rn
in
g
(M
L
)
b
a
s
e
d
jo
in
t
o
p
t
im
iza
ti
o
n
m
e
th
o
d
t
o
im
p
ro
v
e
P
DR
o
r
re
li
a
b
il
it
y
w
h
il
e
m
in
i
m
izin
g
n
o
d
e
e
n
e
rg
y
c
o
n
su
m
p
ti
o
n
.
T
h
e
p
ro
p
o
se
d
so
l
u
ti
o
n
e
m
p
lo
y
s
ra
n
d
o
m
f
o
re
st
(RF
)
a
n
d
l
ig
h
t
g
ra
d
ien
t
b
o
o
st
in
g
m
a
c
h
in
e
(
L
ig
h
t
G
BM
)
m
o
d
e
ls,
wh
ich
a
re
su
it
a
b
le
f
o
r
re
so
u
rc
e
c
o
n
stra
in
e
d
e
n
d
d
e
v
ice
s
(ED)
.
Us
in
g
c
o
m
b
in
a
ti
o
n
s
o
f
d
a
ta
ra
te
(DR),
f
re
q
u
e
n
c
y
c
h
a
n
n
e
l,
a
n
d
tran
sm
issio
n
p
o
w
e
r
(T
x
P
o
w
e
r)
f
ro
m
5
0
0
ED
,
th
e
m
o
d
e
l
e
x
trac
ts
1
4
f
e
a
tu
re
s
f
o
r
p
a
ra
m
e
ter
o
p
ti
m
iz
a
ti
o
n
.
U
n
li
k
e
c
o
n
v
e
n
ti
o
n
a
l
A
DR,
th
e
p
ro
p
o
se
d
a
p
p
ro
a
c
h
c
a
n
lea
rn
c
o
m
p
lex
r
e
latio
n
sh
i
p
s
b
e
y
o
n
d
th
e
re
c
e
iv
e
d
sig
n
a
l
stre
n
g
th
in
d
ica
to
r
(RS
S
I)
a
n
d
si
g
n
a
l
-
to
-
n
o
ise
ra
ti
o
(S
NR)
p
a
ra
m
e
ters
.
T
h
e
m
o
d
e
l
a
c
h
iev
e
s
h
ig
h
e
r
p
re
d
ictio
n
a
c
c
u
ra
c
y
w
it
h
in
a
5
k
m
c
o
v
e
ra
g
e
a
re
a
.
Ne
tw
o
rk
s
i
m
u
lato
r
3
(NS
-
3
)
sim
u
latio
n
re
su
lt
s
d
e
m
o
n
str
a
te
b
e
tt
e
r
p
e
rf
o
r
m
a
n
c
e
a
n
d
e
n
e
rg
y
e
ff
icie
n
c
y
c
o
m
p
a
re
d
to
c
o
n
v
e
n
ti
o
n
a
l
A
DR.
T
h
e
p
ro
p
o
se
d
a
p
p
r
o
a
c
h
im
p
ro
v
e
s
P
D
R
b
y
6
.
1
–
1
1
.
6
%
a
n
d
re
d
u
c
e
s
n
o
d
e
e
n
e
rg
y
c
o
n
su
m
p
ti
o
n
b
y
2
0
–
2
5
%
,
p
ro
v
id
i
n
g
a
b
e
tt
e
r
b
a
lan
c
e
b
e
tw
e
e
n
c
o
m
m
u
n
ica
ti
o
n
re
li
a
b
il
it
y
a
n
d
e
n
e
rg
y
e
ff
ici
e
n
c
y
in
sc
a
lab
le
Lo
Ra
WAN
n
e
tw
o
rk
s.
K
ey
w
o
r
d
s
:
E
n
er
g
y
e
f
f
icie
n
c
y
I
n
ter
n
et
o
f
t
h
i
n
g
s
n
e
t
w
o
r
k
L
i
g
h
t g
r
ad
ien
t b
o
o
s
ti
n
g
m
ac
h
in
e
L
o
n
g
-
r
an
g
e
w
id
e
ar
ea
n
et
w
o
r
k
Net
w
o
r
k
s
i
m
u
lato
r
3
s
i
m
u
latio
n
P
ac
k
et
d
eliv
er
y
r
atio
R
an
d
o
m
f
o
r
est
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
Nan
a
R
u
s
d
ia
n
a
Dep
ar
t
m
en
t
o
f
E
lectr
ical
E
n
g
i
n
ee
r
in
g
,
Fac
u
lt
y
o
f
E
n
g
i
n
ee
r
in
g
,
Un
i
v
er
s
i
t
y
o
f
I
n
d
o
n
esia
W
est J
av
a,
Dep
o
k
1
6
4
2
4
,
I
n
d
o
n
esia
E
m
ail:
n
an
a.
r
u
s
d
ia
n
a5
1
@
u
i.a
c
.
id
1.
I
NT
RO
D
UCT
I
O
N
T
h
e
p
o
p
u
latio
n
o
f
in
ter
n
et
o
f
th
i
n
g
s
(
I
o
T
)
d
ev
ices
is
ex
p
ec
ted
to
in
cr
ea
s
e
f
r
o
m
2
2
.
3
b
illi
o
n
in
2
0
2
5
to
4
7
.
1
b
illi
o
n
in
2
0
3
1
b
ased
o
n
th
e
d
e
m
an
d
f
o
r
s
m
ar
t
citie
s
,
b
u
ild
in
g
s
,
m
o
n
ito
r
in
g
,
an
d
ag
r
icu
l
tu
r
e
[
1
]
.
T
h
e
lo
n
g
-
r
an
g
e
co
m
m
u
n
icatio
n
a
n
d
lo
w
p
o
w
er
co
n
s
u
m
p
tio
n
o
f
lo
n
g
-
r
an
g
e
w
id
e
ar
ea
n
et
w
o
r
k
(
L
o
R
aW
AN)
tech
n
o
lo
g
y
h
a
v
e
led
to
it
s
id
e
n
ti
f
icatio
n
as
p
ar
t
o
f
th
e
m
o
s
t
p
o
p
u
lar
tech
n
o
lo
g
ies
i
n
ter
m
s
o
f
lo
w
-
p
o
w
er
w
id
e
ar
ea
n
et
w
o
r
k
(
L
P
W
AN)
.
Me
an
w
h
ile,
th
e
d
en
s
e
d
ep
lo
y
m
en
ts
h
a
v
e
r
eliab
ilit
y
p
r
o
b
lem
s
d
u
e
to
th
e
p
u
r
e
AL
OH
A
p
r
o
to
co
l
w
h
ich
i
s
r
elate
d
to
th
e
li
m
itatio
n
o
f
th
e
p
ac
k
et
d
eliv
er
y
r
atio
(
P
DR
)
u
n
d
er
6
0
%
d
u
e
to
co
llis
io
n
w
h
en
t
h
er
e
ar
e
m
o
r
e
th
an
1
0
0
d
ev
ice
s
[
2
]
–
[
4
]
.
L
o
R
aW
A
N
t
h
eo
r
etica
ll
y
s
u
p
p
o
r
ts
1
0
-
y
ea
r
b
atter
y
li
f
e
b
u
t
th
e
r
ea
l
-
w
o
r
ld
i
m
p
le
m
e
n
tat
i
o
n
s
r
ar
el
y
ac
h
iev
e
th
i
s
d
u
e
to
i
n
e
f
f
icien
t
p
ar
am
eter
s
elec
tio
n
[
5
]
.
C
o
n
v
en
t
io
n
al
ad
ap
tiv
e
d
ata
r
ate
(
A
D
R
)
ad
d
r
ess
es
t
h
e
p
r
o
b
lem
b
y
ad
j
u
s
tin
g
tr
an
s
m
i
s
s
io
n
p
o
w
er
(
T
x
Po
w
er
)
an
d
s
p
r
ea
d
in
g
f
ac
to
r
(
SF
)
b
ased
o
n
th
e
last
2
0
u
p
lin
k
tr
an
s
ac
tio
n
s
[
6
]
b
u
t
th
e
co
n
v
er
g
en
ce
r
e
m
ai
n
s
s
lo
w
.
C
u
r
r
e
n
t
s
t
u
d
ies
p
r
i
m
ar
il
y
o
p
ti
m
ize
SF
an
d
T
x
Po
w
er
in
d
ep
en
d
en
tl
y
w
it
h
li
m
ited
w
o
r
k
o
n
f
r
eq
u
e
n
c
y
-
c
h
an
n
el
allo
ca
tio
n
[
7
]
o
r
s
y
s
te
m
at
ic
m
u
lti
-
p
ar
a
m
eter
o
p
tim
izatio
n
[
8
]
.
Ho
w
ev
er
,
t
h
e
ap
p
r
o
ac
h
es
t
h
at
ac
h
iev
e
b
alan
ce
d
P
DR
-
e
n
er
g
y
tr
ad
e
-
o
f
f
s
ac
r
o
s
s
all
t
h
r
ee
p
ar
am
eter
s
r
e
m
ai
n
r
ar
e.
A
lt
h
o
u
g
h
e
x
is
t
in
g
L
o
R
aW
A
N
o
p
ti
m
izatio
n
s
t
u
d
ies
h
a
v
e
i
m
p
r
o
v
ed
eith
er
r
eliab
ilit
y
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
1
6
9
3
-
6930
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
,
Vo
l.
24
,
No
.
5
,
Octo
b
e
r
20
26
:
1
5
8
1
-
1596
1582
o
r
en
er
g
y
ef
f
icie
n
c
y
,
m
o
s
t
ap
p
r
o
ac
h
es
s
till
tr
ea
t
SF
,
T
x
Po
w
er
,
an
d
ch
an
n
el
all
o
ca
tio
n
as
s
ep
ar
ate
o
p
tim
izatio
n
p
r
o
b
le
m
s
.
T
h
is
s
ep
ar
atio
n
li
m
i
ts
th
e
ab
ilit
y
o
f
th
e
n
et
w
o
r
k
to
ac
h
iev
e
a
b
alan
ce
d
tr
ad
e
-
o
f
f
b
et
w
ee
n
P
DR
an
d
en
er
g
y
co
n
s
u
m
p
t
io
n
,
esp
ec
iall
y
i
n
d
en
s
e
d
ep
lo
y
m
en
t
s
w
h
er
e
co
llis
i
o
n
p
r
o
b
a
b
ilit
y
,
lin
k
q
u
alit
y
v
ar
iatio
n
,
an
d
air
ti
m
e
u
s
ag
e
i
n
ter
ac
t
w
it
h
ea
ch
o
th
er
.
T
h
er
ef
o
r
e,
a
j
o
in
t
o
p
tim
iz
atio
n
f
r
a
m
e
w
o
r
k
is
r
eq
u
ir
ed
to
s
elec
t L
o
R
aW
A
N
p
ar
am
eter
s
b
y
co
n
s
id
er
i
n
g
r
eli
ab
ilit
y
an
d
e
n
er
g
y
ef
f
icie
n
c
y
s
i
m
u
lta
n
eo
u
s
l
y
.
T
h
is
p
ap
er
in
tr
o
d
u
ce
s
a
lig
h
t
w
ei
g
h
t,
m
ac
h
i
n
e
lear
n
i
n
g
(
ML
)
-
b
a
s
ed
m
u
lti
-
o
b
j
ec
tiv
e
f
r
a
m
e
w
o
r
k
f
o
r
o
p
tim
izin
g
ch
a
n
n
el
-
a
w
ar
e
L
o
R
aW
A
N.
T
h
is
s
t
u
d
y
co
n
c
u
r
r
en
tl
y
o
p
ti
m
ize
s
t
h
r
ee
cr
itic
al
p
ar
am
eter
s
:
SF
,
T
x
P
o
w
er
,
an
d
f
r
eq
u
e
n
c
y
c
h
a
n
n
el,
in
co
n
tr
ast
to
ea
r
lier
ap
p
r
o
ac
h
es
th
a
t
p
r
i
m
ar
il
y
m
a
x
i
m
i
ze
SF
o
r
T
x
Po
w
er
in
d
ep
en
d
en
tl
y
.
T
h
e
p
r
o
p
o
s
ed
m
et
h
o
d
o
lo
g
y
co
n
c
u
r
r
en
tl
y
e
v
a
lu
ates
P
D
R
an
d
e
n
er
g
y
ef
f
icie
n
c
y
v
ia
a
w
e
ig
h
ted
m
u
lti
-
o
b
j
ec
tiv
e
p
e
r
f
o
r
m
a
n
ce
m
etr
ic.
T
h
e
u
tili
za
t
io
n
o
f
r
a
n
d
o
m
f
o
r
est
(
R
F)
an
d
li
g
h
t
g
r
ad
ien
t
b
o
o
s
tin
g
m
ac
h
in
e
(
L
ig
h
tGB
M
)
f
ac
i
lita
tes
lo
w
-
co
m
p
le
x
it
y
in
f
er
e
n
ce
,
r
en
d
er
in
g
th
e
m
et
h
o
d
ap
p
r
o
p
r
iate
f
o
r
p
r
ac
tical
i
m
p
le
m
en
ta
tio
n
in
r
eso
u
r
ce
-
li
m
ited
L
o
R
aW
AN
g
ate
w
a
y
s
(
GW
s
)
o
r
e
d
g
e
d
e
v
ices.
Ma
in
co
n
tr
ib
u
tio
n
s
:
(
i)
a
ML
ap
p
r
o
ac
h
th
a
t
j
o
in
tl
y
o
p
ti
m
izes
th
r
ee
cr
itical
p
ar
a
m
eter
s
in
c
lu
d
i
n
g
SF
,
T
x
P
o
w
er
,
an
d
f
r
eq
u
e
n
c
y
c
h
a
n
n
el.
Me
an
w
h
ile,
m
o
s
t
ex
i
s
ti
n
g
w
o
r
k
s
o
p
ti
m
ize
o
n
l
y
o
n
e
o
r
t
w
o
in
d
ep
en
d
en
tl
y
;
(
ii)
a
m
u
lti
-
o
b
j
ec
tiv
e
o
p
ti
m
izatio
n
s
tr
ateg
y
t
h
at
b
ala
n
ce
s
P
DR
a
n
d
en
er
g
y
ef
f
icie
n
c
y
t
h
r
o
u
g
h
w
ei
g
h
ted
p
er
f
o
r
m
a
n
ce
s
co
r
in
g
to
e
n
ab
le
r
eliab
le
co
m
m
u
n
icatio
n
w
h
ile
ex
te
n
d
in
g
b
atter
y
li
f
eti
m
e
;
(
iii)
s
y
s
te
m
a
tic
ev
al
u
atio
n
a
n
d
co
m
p
ar
is
o
n
o
f
t
w
o
lig
h
t
w
ei
g
h
t
en
s
e
m
b
le
m
o
d
el
s
in
th
e
f
o
r
m
o
f
RF
a
n
d
L
i
g
h
t
GB
M
f
o
r
p
r
ed
ictio
n
ac
cu
r
ac
y
,
en
er
g
y
e
f
f
icie
n
c
y
,
s
ca
lab
ilit
y
,
a
n
d
in
f
er
en
ce
late
n
c
y
i
n
r
eso
u
r
ce
-
co
n
s
tr
ai
n
ed
d
ep
lo
y
m
e
n
ts
;
a
n
d
(
iv
)
v
alid
atio
n
th
r
o
u
g
h
ex
te
n
s
i
v
e
n
et
w
o
r
k
s
i
m
u
la
to
r
3
(
NS
-
3
)
s
i
m
u
lat
io
n
s
ac
r
o
s
s
m
u
ltip
le
n
et
w
o
r
k
d
e
n
s
itie
s
to
q
u
a
n
ti
f
y
i
m
p
r
o
v
e
m
e
n
t
s
i
n
r
eliab
ilit
y
,
en
er
g
y
co
n
s
u
m
p
tio
n
,
an
d
s
ca
lab
ilit
y
o
v
er
co
n
v
en
t
io
n
al
A
DR
.
L
o
R
aW
A
N
i
s
a
w
ir
eless
co
m
m
u
n
icat
io
n
p
r
o
to
co
l
d
esig
n
ed
f
o
r
lo
w
-
p
o
w
er
I
o
T
/
en
d
-
d
ev
ic
e
s
y
s
te
m
s
th
at
r
eq
u
ir
e
lo
n
g
-
d
is
ta
n
ce
co
n
n
ec
ti
v
it
y
w
it
h
m
in
i
m
a
l
en
er
g
y
u
s
e.
T
h
e
t
y
p
ical
ar
c
h
itect
u
r
e
s
h
o
w
n
in
Fi
g
u
r
e
1
u
s
e
s
a
s
tar
to
p
o
l
o
g
y
w
ith
o
n
e
o
r
m
o
r
e
GW
s
.
T
h
is
is
n
ec
es
s
ar
y
b
ec
au
s
e
each
en
d
d
ev
ice
s
(
ED
)
p
e
r
io
d
ically
s
en
d
d
ata
to
GW
s
w
h
ic
h
s
u
b
s
eq
u
en
tl
y
tr
an
s
f
er
p
ac
k
et
s
to
a
n
et
w
o
r
k
s
er
v
er
f
o
r
th
e
p
u
r
p
o
s
e
o
f
h
an
d
li
n
g
t
h
e
au
th
e
n
tica
tio
n
,
d
ata
m
a
n
a
g
e
m
en
t,
an
d
s
y
s
te
m
co
n
tr
o
l
[
3
]
.
T
h
e
p
r
o
to
co
l
is
co
n
s
id
er
ed
o
p
ti
m
al
w
h
en
d
ep
lo
y
i
n
g
in
en
er
g
y
-
co
n
s
tr
ai
n
ed
s
it
u
atio
n
s
b
ec
au
s
e
th
e
E
D
i
s
in
s
leep
m
o
d
e
a
n
d
w
a
k
es
u
p
u
p
o
n
tr
a
n
s
m
i
s
s
io
n
.
Fig
u
r
e
1
.
L
o
R
aW
A
N
ar
ch
itec
t
u
r
e
T
h
e
p
er
f
o
r
m
a
n
ce
o
f
t
h
e
L
o
R
a
W
A
N
i
s
d
eter
m
in
ed
b
y
a
n
u
m
b
er
o
f
n
et
w
o
r
k
p
ar
a
m
eter
s
t
h
at
ca
n
b
e
co
n
f
i
g
u
r
ed
as f
o
llo
w
s
:
−
S
F
an
d
d
a
ta
r
a
t
e
(
D
R
)
:
t
h
e
r
e
a
r
e
a
d
i
r
e
c
t
r
e
l
a
ti
o
n
s
h
i
p
b
e
t
w
e
en
S
F
an
d
D
R
a
s
o
b
s
e
r
v
e
d
in
S
F7
=
D
R
5
.
T
h
e
am
p
lif
i
c
a
ti
o
n
o
f
SF
en
h
an
c
es
t
h
e
r
an
g
e
an
d
s
en
s
it
iv
i
ty
o
f
r
e
c
e
iv
e
r
s
b
u
t
d
e
c
r
e
as
e
s
th
e
DR
.
T
h
e
l
o
w
e
s
t
p
o
s
s
i
b
le
l
im
it
f
o
r
s
ig
n
a
l
-
to
-
n
o
is
e
r
a
ti
o
(
S
NR
)
r
an
g
es
b
e
tw
ee
n
7
.
5
d
B
(
S
F
7
)
a
n
d
2
0
d
B
(
SF
1
2
)
[
3
]
,
[
9
]
.
D
R
r
e
p
r
e
s
en
t
s
th
e
in
h
e
r
en
t
t
r
a
d
e
-
o
f
f
b
etw
e
en
r
an
g
e
an
d
th
r
o
u
g
h
p
u
t
.
T
h
i
s
i
s
b
a
s
e
d
o
n
th
e
c
r
i
t
er
i
o
n
t
h
a
t
l
o
w
er
D
R
u
s
e
s
l
a
r
g
e
S
Fs
t
o
b
e
r
o
b
u
s
t
an
d
c
o
v
e
r
l
a
r
g
e
a
r
e
a
s
w
h
i
l
e
h
ig
h
DR
a
p
p
l
i
es
s
m
al
l
SF
s
to
p
r
o
v
i
d
e
h
ig
h
t
h
r
o
u
g
h
p
u
t
a
s
w
e
l
l
as
en
e
r
g
y
ef
f
i
ci
en
cy
.
T
a
b
l
e
1
i
s
u
s
e
d
t
o
p
r
e
s
en
t
th
e
m
a
p
f
o
r
th
e
S
F
-
DR
[
9
]
,
[
1
0
]
.
−
T
x
P
o
w
e
r
:
I
o
T
d
e
v
i
c
e
s
r
e
g
u
l
a
t
e
t
h
e
T
x
P
o
w
e
r
(2
-
1
4
d
B
m
i
n
E
U
8
6
8
)
i
n
o
r
d
e
r
t
o
a
c
h
i
e
v
e
r
e
l
i
a
b
i
l
i
t
y
a
n
d
e
n
e
r
g
y
u
s
a
g
e
.
T
h
e
m
o
r
e
p
o
w
e
r
a
v
a
i
l
a
b
l
e
l
e
a
d
s
t
o
t
h
e
c
o
v
e
r
a
g
e
o
f
a
w
i
d
e
r
r
a
n
g
e
a
t
t
h
e
c
o
s
t
o
f
t
h
e
b
a
t
t
e
r
y
l
i
f
e
[
9
]
.
−
Fre
q
u
en
c
y
c
h
an
n
el:
m
u
ltip
le
ch
an
n
el
s
allo
w
s
i
m
u
l
tan
eo
u
s
tr
an
s
m
is
s
io
n
s
,
a
d
ec
r
ea
s
e
i
n
c
o
llis
io
n
s
,
an
d
m
ax
i
m
izatio
n
o
f
th
r
o
u
g
h
p
u
t
wh
ile
ad
h
er
i
n
g
to
n
atio
n
al
r
e
g
u
l
atio
n
s
[
1
1
]
.
−
C
h
a
n
n
el
m
o
d
eli
n
g
:
a
p
ath
-
lo
s
s
m
o
d
el
t
h
at
is
b
ased
o
n
a
lo
g
-
d
i
s
tan
ce
i
s
o
f
te
n
u
s
ed
to
m
o
d
el
s
ig
n
al
atten
u
atio
n
.
R
ec
ei
v
ed
s
i
g
n
al
s
tr
en
g
t
h
in
d
icato
r
(
R
SS
I
)
at
th
e
GW
is
ca
lcu
lated
b
ased
o
n
th
e
T
x
P
o
w
er
an
d
th
e
p
r
o
p
ag
atio
n
lo
s
s
b
u
t
t
h
e
SN
R
is
a
s
s
o
ciate
d
w
it
h
th
e
q
u
alit
y
o
f
th
e
s
i
g
n
al
w
h
e
n
co
m
p
ar
ed
w
it
h
n
o
is
e.
T
h
e
s
en
s
i
tiv
it
y
o
f
a
r
ec
eiv
er
is
also
d
ep
en
d
en
t
o
n
SF
an
d
b
an
d
w
id
t
h
.
Mo
r
eo
v
er
,
th
e
p
o
w
er
Evaluation Warning : The document was created with Spire.PDF for Python.
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
Ma
ch
in
e
lea
r
n
in
g
-
b
a
s
ed
j
o
in
t
o
p
timiz
a
tio
n
fo
r
Lo
R
a
W
A
N
r
e
lia
b
ilit
y
a
n
d
en
erg
y
efficien
cy
(
N
a
n
a
R
u
s
d
ia
n
a
)
1583
co
n
s
u
m
p
tio
n
is
s
e
n
s
i
tiv
e
to
th
e
T
x
P
o
w
er
a
n
d
ti
m
e
-
on
-
ai
r
(
T
o
A
)
w
h
ich
is
th
e
p
r
o
d
u
ct
o
f
t
h
e
t
w
o
v
ar
iab
les.
T
h
e
s
elec
tio
n
o
f
f
ea
tu
r
es
is
b
ased
o
n
t
h
e
an
al
y
tica
l
r
elatio
n
s
h
ip
s
b
u
t
s
i
m
u
lat
io
n
d
ata
ar
e
u
s
ed
b
y
M
L
m
o
d
els to
lear
n
co
m
p
l
ex
an
d
n
o
n
-
lin
ea
r
r
elatio
n
s
h
ip
s
.
T
ab
le
1
.
SF
m
ap
p
in
g
w
it
h
D
R
DR
SF
B
i
t
r
a
t
e
(
b
p
s)
D
R
5
7
5
4
6
9
D
R
4
8
3
1
2
5
D
R
3
9
1
7
5
8
D
R
2
10
9
7
7
D
R
1
11
5
3
7
D
R
0
12
2
9
3
T
o
clar
if
y
t
h
e
p
o
s
itio
n
o
f
t
h
i
s
s
tu
d
y
,
p
r
ev
io
u
s
L
o
R
aW
A
N
o
p
ti
m
izatio
n
w
o
r
k
s
ar
e
g
r
o
u
p
e
d
in
to
th
r
ee
ca
teg
o
r
ies:
(
i)
tr
ad
itio
n
al
p
ar
a
m
eter
tu
n
in
g
,
(
ii)
ad
ap
tiv
e
o
p
tim
izat
io
n
ap
p
r
o
ac
h
es,
an
d
(
iii)
ML
-
b
ased
o
p
tim
izatio
n
m
et
h
o
d
s
.
T
h
is
class
i
f
icatio
n
h
elp
s
id
en
tify
th
e
r
e
m
ain
in
g
g
ap
i
n
j
o
i
n
t
r
eliab
ilit
y
-
e
n
er
g
y
o
p
tim
izatio
n
ac
r
o
s
s
SF
,
T
x
P
o
w
er
,
a
n
d
f
r
eq
u
e
n
c
y
c
h
a
n
n
e
l.
C
o
n
v
en
t
io
n
al
ADR
m
o
d
u
late
s
SF
a
n
d
T
x
P
o
w
er
ac
co
r
d
in
g
to
th
e
p
r
ev
io
u
s
2
0
tr
an
s
m
is
s
io
n
s
o
f
SN
R
[
3
]
.
T
h
is
ap
p
r
o
ac
h
m
i
n
i
m
ize
s
th
e
u
s
ag
e
o
f
air
ti
m
e
a
n
d
en
er
g
y
b
u
t
t
h
e
co
n
v
er
g
e
n
ce
is
lo
w
i
n
d
y
n
a
m
ic
co
n
d
it
io
n
s
wh
ich
ca
u
s
e
s
o
p
ti
m
u
m
o
p
er
atio
n
an
d
u
n
n
ec
es
s
ar
y
u
s
e
o
f
en
er
g
y
.
A
cc
o
r
d
in
g
to
r
ec
en
t
s
tu
d
ies,
th
e
co
n
v
er
g
en
ce
an
d
o
p
tim
iza
tio
n
o
f
en
er
g
y
an
d
co
llis
io
n
r
ed
u
ctio
n
n
ee
d
to
b
e
co
n
d
u
cte
d
s
i
m
u
lta
n
eo
u
s
l
y
a
n
d
f
aster
[
1
2
]
.
R
ein
f
o
r
ce
m
e
n
t
lear
n
i
n
g
(
R
L
)
-
b
ased
m
et
h
o
d
s
ad
d
r
ess
L
o
R
aW
A
N
o
p
ti
m
izatio
n
b
y
lear
n
in
g
ad
ap
tiv
e
p
ar
am
eter
s
elec
tio
n
p
o
licies
t
h
r
o
u
g
h
in
ter
ac
tio
n
w
i
th
th
e
n
et
w
o
r
k
en
v
ir
o
n
m
e
n
t.
Fo
r
e
x
a
m
p
le,
Q
-
lear
n
i
n
g
[
9
]
an
d
lo
n
g
r
an
g
e
d
ee
p
r
ein
f
o
r
ce
m
en
t
lear
n
i
n
g
(
L
o
R
aDR
L
)
[
1
3
]
allo
w
s
th
e
s
elec
tio
n
o
f
th
e
ad
ap
tiv
e
p
ar
am
eter
s
th
at
b
alan
ce
P
DR
,
air
ti
m
e,
a
n
d
en
er
g
y
co
n
s
u
m
p
tio
n
b
u
t
ad
o
p
ts
ce
n
tr
alize
d
ag
e
n
ts
a
n
d
is
m
o
r
e
co
m
p
lex
i
n
ca
lcu
latio
n
s
[
1
0
]
,
[
1
4
]
.
Dee
p
lear
n
in
g
(
D
L
)
m
o
d
els
s
u
c
h
as
lo
n
g
s
h
o
r
t
-
ter
m
m
e
m
o
r
y
(
L
ST
M
)
[
1
1
]
,
g
ated
r
ec
u
r
r
en
t
u
n
i
t
(
GR
U
)
[
5
]
,
an
d
co
n
v
o
lu
t
io
n
al
n
e
u
r
al
n
et
w
o
r
k
-
L
ST
M
(
C
NN
-
L
ST
M
)
[
3
]
,
[
1
5
]
lear
n
s
p
atial
-
te
m
p
o
r
al
p
atter
n
s
to
p
r
ed
ict
p
r
o
ac
tiv
e
SF
a
s
s
i
g
n
m
e
n
t
a
n
d
co
llis
io
n
p
r
ed
ictio
n
s
w
it
h
g
r
ea
t
i
m
p
r
o
v
e
m
e
n
t
s
o
v
er
co
n
v
e
n
tio
n
al
ADR.
Me
an
w
h
i
l
e,
th
ese
m
o
d
els
e
n
tail
lar
g
e
s
i
ze
s
,
h
u
g
e
tr
ain
in
g
d
ata,
an
d
h
i
g
h
i
n
f
er
en
ce
co
s
ts
.
T
h
e
ch
allen
g
e
s
id
en
ti
f
ied
led
to
th
e
in
tr
o
d
u
ctio
n
o
f
s
u
p
er
v
is
ed
o
r
u
n
s
u
p
er
v
is
ed
lear
n
i
n
g
s
u
c
h
as
K
-
m
ea
n
s
clu
s
ter
i
n
g
[
1
6
]
,
[
1
7
]
w
h
ic
h
all
o
w
s
e
f
f
icie
n
c
y
in
th
e
co
m
p
u
ta
tio
n
o
f
lar
g
e
-
s
ca
le
SF
allo
ca
ti
o
n
b
u
t
t
h
e
f
o
cu
s
i
s
p
r
im
ar
il
y
o
n
s
in
g
le
-
p
ar
a
m
eter
o
p
tim
iza
tio
n
w
it
h
o
u
t
j
o
in
t
r
eliab
ilit
y
-
e
n
er
g
y
tr
ad
e
-
o
f
f
s
.
T
h
e
is
s
u
e
f
u
r
th
er
lead
s
to
th
e
ad
o
p
tio
n
o
f
h
y
b
r
id
ap
p
r
o
ac
h
es
s
u
ch
a
s
m
u
l
ti
-
a
g
e
n
t
R
L
[
1
8
]
,
[
1
9
]
w
h
ic
h
co
m
b
i
n
e
d
if
f
er
en
t
m
o
d
els
f
o
r
in
ter
f
er
e
n
ce
-
a
w
ar
e
allo
ca
tio
n
w
it
h
d
u
e
co
n
s
id
er
atio
n
f
o
r
th
e
co
m
p
le
x
it
y
as
s
o
ciate
d
w
i
th
t
h
e
i
m
p
le
m
e
n
tat
io
n
.
T
ab
le
2
ca
teg
o
r
izes
ar
tif
icial
in
telli
g
e
n
ce
(
A
I
)
-
b
ased
o
p
ti
m
izatio
n
s
tr
ate
g
ies
o
f
L
o
R
aW
AN
alr
ea
d
y
av
ailab
le
an
d
u
n
v
e
ils
i
m
p
o
r
tan
t
g
ap
s
i
n
p
r
ev
io
u
s
s
tu
d
ie
s
co
n
d
u
cted
.
T
h
e
v
ast
m
aj
o
r
it
y
o
f
av
ailab
le
liter
atu
r
e
f
o
cu
s
es
o
n
t
h
e
in
d
ep
en
d
e
n
t
S
F
an
d
T
x
P
o
w
er
o
p
ti
m
izat
io
n
an
d
d
o
es
n
o
t
p
ay
m
u
ch
atte
n
tio
n
to
f
r
eq
u
e
n
c
y
-
ch
an
n
el
allo
ca
tio
n
o
r
s
y
s
te
m
a
tic
m
u
l
ti
-
p
ar
a
m
eter
o
p
ti
m
izati
o
n
b
et
w
ee
n
P
DR
an
d
en
er
g
y
ef
f
icien
c
y
.
T
h
e
RL
an
d
DL
al
g
o
r
ith
m
s
h
a
v
e
h
i
g
h
ad
ap
tab
ilit
y
b
u
t
d
e
m
a
n
d
s
ig
n
i
f
ica
n
t
co
m
p
u
ta
tio
n
al
p
o
w
er
th
at
is
n
o
t
f
ea
s
ib
le
to
r
u
n
o
n
an
ed
g
e.
T
h
er
ef
o
r
e,
lig
h
t
w
eig
h
t
s
u
p
er
v
i
s
ed
/u
n
s
u
p
er
v
is
ed
m
o
d
els
ar
e
co
n
s
id
er
ed
ef
f
icien
t
b
u
t
d
o
n
o
t
h
av
e
t
h
e
ca
p
ab
ilit
y
o
f
m
u
lti
-
o
b
j
ec
tiv
e
jo
in
t o
p
ti
m
izatio
n
.
T
ab
le
2
.
C
lass
if
icatio
n
o
f
A
I
-
b
ased
L
o
R
aW
A
N
o
p
ti
m
izatio
n
ap
p
r
o
ac
h
es a
n
d
s
tu
d
y
p
o
s
itio
n
s
A
I
c
a
t
e
g
o
r
y
K
e
y
a
p
p
r
o
a
c
h
e
s a
n
d
r
e
p
r
e
se
n
t
a
t
i
v
e
w
o
r
k
s
RL
Q
-
l
e
a
r
n
i
n
g
w
i
t
h
c
a
r
r
i
e
r
se
n
se
mu
l
t
i
p
l
e
a
c
c
e
ss w
i
t
h
c
o
l
l
i
si
o
n
a
v
o
i
d
a
n
c
e
(
C
S
M
A
/
C
A
)
f
o
r
r
e
so
u
r
c
e
a
l
l
o
c
a
t
i
o
n
a
n
d
e
n
v
i
r
o
n
me
n
t
r
e
c
o
g
n
i
t
i
o
n
[
7
]
L
o
R
a
D
R
L
f
o
r
p
h
y
si
c
a
l
(
P
H
Y
)
l
a
y
e
r
p
a
r
a
me
t
e
r
se
l
e
c
t
i
o
n
[
1
3
]
M
u
l
t
i
-
a
r
me
d
b
a
n
d
i
t
f
o
r
n
e
t
w
o
r
k
sl
i
c
i
n
g
r
e
so
u
r
c
e
a
l
l
o
c
a
t
i
o
n
[
2
0
]
DL
L
S
T
M
f
o
r
t
r
a
f
f
i
c
p
a
t
t
e
r
n
p
r
e
d
i
c
t
i
o
n
a
n
d
c
o
l
l
i
si
o
n
f
o
r
e
c
a
st
i
n
g
[
1
1
]
G
R
U
-
b
a
se
d
DL
a
p
p
r
o
a
c
h
f
o
r
r
e
so
u
r
c
e
a
l
l
o
c
a
t
i
o
n
[
5
]
H
y
b
r
i
d
C
N
N
-
L
S
T
M
f
o
r
sp
a
t
i
a
l
-
t
e
mp
o
r
a
l
r
e
s
o
u
r
c
e
o
p
t
i
mi
z
a
t
i
o
n
[
3
]
S
u
p
e
r
v
i
se
d
a
n
d
u
n
s
u
p
e
r
v
i
se
d
l
e
a
r
n
i
n
g
K
-
m
e
a
n
s c
l
u
s
t
e
r
i
n
g
f
o
r
l
a
r
g
e
-
sca
l
e
S
F
a
l
l
o
c
a
t
i
o
n
[
1
7
]
H
y
b
r
i
d
a
n
d
e
n
se
mb
l
e
a
p
p
r
o
a
c
h
e
s
M
u
l
t
i
-
a
g
e
n
t
R
L
f
o
r
i
n
t
e
r
f
e
r
e
n
c
e
-
a
w
a
r
e
a
l
l
o
c
a
t
i
o
n
[
1
8
]
,
[
1
9
]
T
h
i
s w
o
r
k
O
p
t
i
mi
z
i
n
g
L
o
R
a
W
A
N
n
e
t
w
o
r
k
u
s
i
n
g
3
p
a
r
a
me
t
e
r
s (S
F
,
T
x
P
o
w
e
r
,
a
n
d
f
r
e
q
u
e
n
c
y
c
h
a
n
n
e
l
)
f
o
r
mu
l
t
i
-
o
b
j
e
c
t
i
v
e
P
D
R
a
n
d
e
n
e
r
g
y
u
si
n
g
R
F
a
n
d
L
i
g
h
t
G
B
M
T
h
is
s
tu
d
y
ai
m
s
to
f
ill
t
h
e
g
ap
s
id
en
ti
f
ied
w
it
h
a
lig
h
t
w
ei
g
h
t
s
u
p
er
v
is
ed
lear
n
i
n
g
m
o
d
el
t
h
at
co
m
b
i
n
es
t
h
e
u
s
e
o
f
R
F
an
d
L
ig
h
tGB
M
to
jo
in
tl
y
o
p
ti
m
ize
t
h
e
SF
,
T
x
P
o
w
er
,
an
d
f
r
eq
u
e
n
cy
c
h
a
n
n
el
b
ased
o
n
a
m
u
lti
-
o
b
j
ec
tiv
e
r
eliab
ilit
y
e
n
er
g
y
f
o
r
m
u
latio
n
.
E
x
is
t
in
g
ap
p
r
o
ac
h
es
r
eq
u
ir
e
o
n
lin
e
s
t
u
d
y
o
r
co
m
p
licated
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
1
6
9
3
-
6930
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
,
Vo
l.
24
,
No
.
5
,
Octo
b
e
r
20
26
:
1
5
8
1
-
1596
1584
n
eu
r
al
n
et
w
o
r
k
s
b
u
t
t
h
e
m
o
d
el
p
r
o
p
o
s
ed
attain
s
a
s
e
n
s
i
b
le
ed
g
e
f
o
r
d
ep
lo
y
m
e
n
t
w
i
th
a
h
i
g
h
lev
el
o
f
p
er
f
o
r
m
a
n
ce
.
T
h
e
in
p
u
t
f
ea
t
u
r
es
in
clu
d
e
R
S
SI,
SNR
,
s
p
atial
in
f
o
r
m
a
tio
n
,
p
ath
lo
s
s
,
an
d
lin
k
m
ar
g
i
n
.
T
h
e
s
y
s
te
m
a
s
s
u
m
es
s
ta
tic
en
d
-
d
ev
ice
lo
ca
tio
n
s
a
n
d
lin
e
-
of
-
s
i
g
h
t
p
r
o
p
ag
atio
n
to
p
r
o
v
id
e
a
clea
r
b
aselin
e
f
o
r
ev
alu
a
tin
g
j
o
in
t p
ar
a
m
eter
o
p
ti
m
izatio
n
ef
f
ec
ti
v
e
n
es
s
.
2.
M
E
T
H
O
D
2
.
1
.
Si
m
ula
t
io
n
env
iro
n
m
en
t
s
et
up
NS
-
3
v
er
s
io
n
3
.
4
6
w
i
th
t
h
e
L
o
R
aW
A
N
m
o
d
u
le
w
a
s
u
s
ed
i
n
th
is
s
tu
d
y
.
All
s
i
m
u
latio
n
s
c
r
ip
ts
,
v
id
eo
an
d
d
atasets
ap
p
lied
ar
e
av
ailab
le
at
h
ttp
s
://
g
it
h
u
b
.
co
m
/
n
an
a6
8
4
3
/cb
n
s
_
lo
r
a
w
an
.
Net
wo
r
k
to
p
o
lo
g
y
:
t
h
e
s
i
m
u
lat
io
n
u
s
ed
a
s
tar
to
p
o
lo
g
y
w
i
th
a
s
in
g
le
GW
at
th
e
c
en
ter
o
f
a
5
0
0
0
-
m
eter
r
ad
iu
s
cir
cu
lar
d
ep
lo
y
m
e
n
t
zo
n
e.
A
to
tal
o
f
5
0
0
ED
w
a
s
u
n
i
f
o
r
m
l
y
d
is
tr
ib
u
ted
th
r
o
u
g
h
o
u
t
th
e
co
v
er
a
g
e
ar
ea
as
p
r
esen
ted
in
F
ig
u
r
e
2
to
r
ep
r
esen
t
d
en
s
e
I
o
T
d
ep
l
o
y
m
en
t
i
n
s
m
ar
t
-
cit
y
o
r
i
n
d
u
s
tr
ial
-
m
o
n
ito
r
in
g
ap
p
licatio
n
s
.
T
h
e
ML
m
o
d
els
w
er
e
tr
ain
ed
u
s
i
n
g
4
5
,
0
0
0
s
am
p
les
g
en
er
ated
f
r
o
m
9
0
L
o
R
aW
A
N
s
i
m
u
la
tio
n
co
n
f
i
g
u
r
atio
n
s
.
T
h
e
d
ataset
w
a
s
d
iv
id
ed
in
to
8
0
%
tr
ain
i
n
g
d
at
a
an
d
2
0
%
test
i
n
g
d
ata,
r
esu
lt
in
g
in
3
6
,
0
0
0
tr
ain
in
g
s
a
m
p
le
s
an
d
9
,
0
0
0
test
in
g
s
a
m
p
les.
Fo
u
r
tee
n
i
n
p
u
t
f
ea
t
u
r
es
w
er
e
s
elec
ted
f
r
o
m
t
h
e
co
m
p
lete
2
4
-
attr
ib
u
te
d
ataset
b
ased
o
n
p
h
y
s
ica
l
r
elev
an
ce
,
co
r
r
elatio
n
an
al
y
s
i
s
,
an
d
av
ailab
ilit
y
b
e
f
o
r
e
tr
an
s
m
i
s
s
io
n
.
RF
a
n
d
L
i
g
h
t
GB
M
w
er
e
th
e
n
tr
ain
ed
u
s
i
n
g
th
e
s
a
m
e
d
ata
s
p
lit
to
e
n
s
u
r
e
a
f
air
co
m
p
ar
is
o
n
.
P
h
y
s
ical
lay
er
p
ar
a
m
eter
s
:
t
h
e
s
i
m
u
latio
n
o
p
er
ated
in
th
e
E
U8
6
8
f
r
eq
u
en
c
y
b
an
d
ac
r
o
s
s
th
r
ee
s
ta
n
d
ar
d
u
p
lin
k
c
h
an
n
els (
8
6
8
.
1
,
8
6
8
.
3
,
an
d
8
6
8
.
5
MH
z)
w
it
h
2
0
-
b
y
te
p
ay
lo
ad
s
r
ep
r
esen
tin
g
t
y
p
ical
s
en
s
o
r
d
ata.
SF
7
–
SF
1
2
co
v
er
th
e
f
u
ll
DR
0
–
DR
5
r
an
g
e,
b
alan
ci
n
g
t
h
r
o
u
g
h
p
u
t
an
d
r
an
g
e
w
h
ile
d
ir
ec
tl
y
a
f
f
ec
tin
g
T
o
A
an
d
en
er
g
y
co
n
s
u
m
p
tio
n
.
F
i
v
e
T
x
Po
w
e
r
l
ev
el
s
(
6
–
1
4
d
B
m
)
s
p
an
th
e
p
r
a
c
t
i
c
a
l
E
U
8
6
8
o
p
e
r
a
t
i
n
g
r
an
g
e
,
w
h
e
r
e
h
ig
h
e
r
p
o
w
e
r
ex
t
en
d
s
c
o
v
e
r
ag
e
at
th
e
c
o
s
t
o
f
u
p
t
o
1
7
8
×
g
r
e
a
t
e
r
en
e
r
g
y
e
x
p
en
d
i
tu
r
e
.
S
ig
n
a
l
p
r
o
p
ag
a
ti
o
n
w
as
m
o
d
e
ll
e
d
u
s
in
g
a
l
o
g
-
d
is
t
a
n
ce
p
a
th
-
l
o
s
s
m
o
d
e
l
(
=
3
.
76
,
₀
=
7
.
7
d
B
a
t
1
m
)
.
T
h
e
f
u
l
l
s
im
u
l
at
i
o
n
p
a
r
am
e
te
r
s
a
r
e
p
r
es
en
t
e
d
i
n
T
a
b
l
e
3
.
Fig
u
r
e
2
.
5
0
0
ED
p
o
s
itio
n
in
d
ataset
g
e
n
er
atio
n
s
T
ab
le
3
.
Data
s
et
s
i
m
u
latio
n
p
a
r
a
m
eter
s
P
a
r
a
me
t
e
r
V
a
l
u
e
NS
NS
-
3
v
e
r
si
o
n
3
.
4
6
L
o
R
a
W
A
N
m
o
d
u
l
e
L
o
R
a
W
A
N
-
NS
3
N
u
mb
e
r
o
f
ED
5
0
0
N
u
mb
e
r
o
f
GW
s
1
(
a
t
o
r
i
g
i
n
)
D
e
p
l
o
y
m
e
n
t
r
a
d
i
u
s
5
0
0
0
m
D
e
v
i
c
e
d
i
st
r
i
b
u
t
i
o
n
U
n
i
f
o
r
m ra
n
d
o
m
F
r
e
q
u
e
n
c
y
b
a
n
d
EU
8
6
8
C
h
a
n
n
e
l
s
8
6
8
.
1
,
8
6
8
.
3
,
8
6
8
.
5
M
H
z
SF
s
S
F
7
-
S
F
1
2
T
x
P
o
w
e
r
6
,
8
,
1
0
,
1
2
,
1
4
d
B
m
P
a
y
l
o
a
d
s
i
z
e
2
0
b
y
t
e
s
C
o
d
i
n
g
r
a
t
e
4
/
5
P
a
t
h
l
o
ss e
x
p
o
n
e
n
t
(
)
3
.
7
6
R
e
f
e
r
e
n
c
e
p
a
t
h
l
o
ss (
₀
)
7
.
7
d
B
@
1
m
N
o
i
se
f
l
o
or
-
1
1
7
.
0
3
d
B
m
A
p
p
p
e
r
i
o
d
s
(
se
c
o
n
d
)
6
0
0
s
S
i
mu
l
a
t
i
o
n
t
i
me
(
se
c
o
n
d
)
3
6
0
0
s
P
a
c
k
e
t
s
p
e
r
de
v
i
c
e
6
Evaluation Warning : The document was created with Spire.PDF for Python.
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
Ma
ch
in
e
lea
r
n
in
g
-
b
a
s
ed
j
o
in
t
o
p
timiz
a
tio
n
fo
r
Lo
R
a
W
A
N
r
e
lia
b
ilit
y
a
n
d
en
erg
y
efficien
cy
(
N
a
n
a
R
u
s
d
ia
n
a
)
1585
2
.
2
.
Da
t
a
s
et
ge
nera
t
io
n
NS
-
3
s
i
m
u
latio
n
s
e
v
al
u
ated
9
0
L
o
R
aW
A
N
co
n
f
i
g
u
r
atio
n
s
b
y
co
m
b
in
i
n
g
s
i
x
DR
s
(
D
R
0
–
DR
5
)
,
f
i
v
e
T
x
P
o
w
er
lev
el
s
(
6
–
1
4
d
B
m
)
,
an
d
th
r
ee
u
p
lin
k
ch
a
n
n
el
s
.
E
ac
h
co
n
f
i
g
u
r
atio
n
i
n
v
o
l
v
ed
5
0
0
ED
g
en
er
atin
g
p
o
is
s
o
n
-
d
i
s
tr
ib
u
ted
tr
a
f
f
ic,
r
es
u
lti
n
g
i
n
4
5
,
0
0
0
s
a
m
p
les.
As
illu
s
tr
ated
in
Fi
g
u
r
e
3
,
“
g
e
n
er
ate_
allo
ca
tio
n
.
p
y
”
an
d
“
g
en
er
ate_
p
o
s
itio
n
s
.
p
y
”
w
er
e
u
s
ed
to
cr
ea
te
tr
an
s
m
i
s
s
io
n
s
c
h
ed
u
le
s
an
d
n
o
d
e
d
ep
lo
y
m
e
n
ts
,
w
h
il
e
“
d
ataset
-
g
en
.
cc
”
ex
ec
u
ted
t
h
e
s
i
m
u
la
tio
n
s
an
d
g
en
er
at
ed
a
d
ataset
w
it
h
1
3
f
ea
tu
r
es.
Su
b
s
eq
u
en
t
l
y
,
“
d
ataset_
r
s
s
i_
s
n
r
.
p
y
”
d
er
iv
ed
ad
d
itio
n
al
p
h
y
s
ical
-
la
y
er
m
e
tr
ics,
in
cl
u
d
in
g
p
ath
lo
s
s
,
R
S
SI,
SNR
,
an
d
lin
k
b
u
d
g
et,
ex
p
an
d
i
n
g
th
e
d
atase
t to
2
4
attr
ib
u
tes.
Fig
u
r
e
3
.
5
0
0
f
lo
w
ca
r
t d
ata
s
e
t g
en
er
atio
n
2
.
3
.
Da
t
a
la
belin
g
a
nd
f
ea
t
ure
ex
t
ra
ct
io
n
E
v
er
y
en
tr
y
in
t
h
e
d
at
aset
h
as
2
4
f
ea
tu
r
es
b
ased
o
n
NS
-
3
tr
ac
e
lo
g
s
as
p
r
esen
ted
in
T
ab
l
e
4
w
h
ic
h
in
cl
u
d
e
s
p
atial
d
ata,
P
HY
-
lay
er
s
etti
n
g
s
,
lin
k
q
u
alit
y
m
e
asu
r
e
m
en
t
s
,
p
er
f
o
r
m
an
ce
m
e
asu
r
e
m
en
t
s
,
an
d
th
e
en
er
g
y
asp
ec
ts
w
it
h
t
h
e
P
DR
id
en
ti
f
ied
as
t
h
e
m
ai
n
tar
g
et
v
ar
iab
le.
Mo
r
eo
v
er
,
th
e
b
alan
ce
b
et
w
ee
n
en
er
g
y
ef
f
icien
c
y
a
n
d
r
eliab
ilit
y
w
a
s
u
s
ed
to
d
eter
m
in
e
t
h
e
co
m
p
o
s
i
te
p
er
f
o
r
m
a
n
ce
as
(
1
)
:
=
0
.
6
×
(
100
)
+
0
.
4
×
(
1
−
)
(
1
)
P
ath
lo
s
s
m
o
d
el:
t
h
e
v
al
u
e
s
o
f
th
e
p
ath
lo
s
s
w
er
e
d
eter
m
i
n
ed
th
r
o
u
g
h
th
e
ap
p
licatio
n
o
f
th
e
(
2
)
.
Mo
r
eo
v
er
,
th
e
(
3
)
is
f
o
r
th
e
least
-
s
q
u
ar
es
cu
r
v
e
f
itti
n
g
w
h
ic
h
is
in
li
n
e
w
it
h
u
r
b
an
co
n
d
itio
n
s
co
n
s
id
er
ed
to
b
e
o
b
s
tr
u
cted
in
s
u
b
u
r
b
a
n
-
to
-
m
o
d
er
ate
d
i
m
en
s
i
o
n
as
o
f
te
n
o
b
s
er
v
ed
i
n
t
h
e
p
r
o
ce
s
s
o
f
d
ep
lo
y
i
n
g
L
o
R
aW
AN.
T
h
e
lo
g
-
d
is
ta
n
ce
m
o
d
el
i
s
p
r
esen
ted
as
(
2
)
,
(
3
)
:
(
)
=
(
)
−
(
)
(
2
)
0
=
7
.
7
,
=
3
.
76
(
3
)
R
SS
I
ca
n
b
e
esti
m
a
ted
f
o
r
an
y
tr
an
s
m
it p
o
w
er
a
n
d
d
is
tan
ce
u
s
in
g
t
h
e
(
4
)
:
(
,
)
=
−
(
7
.
7
+
37
.
6
(
)
)
(
4
)
T
ab
le
4
.
Data
lab
elin
g
C
a
t
e
g
o
r
y
C
o
u
n
t
R
e
p
r
e
se
n
t
a
t
i
v
e
f
e
a
t
u
r
e
s
S
p
a
t
i
a
l
5
D
e
v
i
c
e
c
o
o
r
d
i
n
a
t
e
s (x
,
y
,
z
)
,
d
i
s
t
a
n
c
e
,
a
n
d
n
o
r
mal
i
z
e
d
d
i
st
a
n
c
e
C
o
n
f
i
g
u
r
a
t
i
o
n
4
D
R
,
S
F
,
T
x
P
o
w
e
r
,
f
r
e
q
u
e
n
c
y
P
h
y
si
c
a
l
l
a
y
e
r
4
R
S
S
I
,
S
N
R
,
se
n
si
t
i
v
i
t
y
,
a
b
o
v
e
se
n
si
t
i
v
i
t
y
(
b
i
n
a
r
y
i
n
d
i
c
a
t
o
r
)
L
i
n
k
q
u
a
l
i
t
y
4
L
i
n
k
marg
i
n
(
R
S
S
I
−
se
n
si
t
i
v
i
t
y
)
,
S
N
R
marg
i
n
,
p
o
w
e
r
-
d
i
st
a
n
c
e
r
a
t
i
o
P
e
r
f
o
r
man
c
e
4
P
D
R
(
t
a
r
g
e
t
)
,
T
x
p
a
c
k
e
t
,
R
x
p
a
c
k
e
t
s,
p
a
c
k
e
t
l
o
ss
En
e
r
g
y
/
a
i
r
t
i
me
3
A
v
g
T
o
A
_
ms,
T
o
t
a
l
T
o
A
_
ms,
En
e
r
g
y
P
e
r
P
a
c
k
e
t
_
J
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
1
6
9
3
-
6930
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
,
Vo
l.
24
,
No
.
5
,
Octo
b
e
r
20
26
:
1
5
8
1
-
1596
1586
2
.
4
.
RF
m
o
del a
rc
hite
ct
ure
T
h
e
ch
o
ice
o
f
P
DR
esti
m
atio
n
w
as
b
ased
o
n
th
e
f
ac
t
th
at
t
h
e
RF
r
eg
r
e
s
s
o
r
w
a
s
n
ee
d
ed
to
an
al
y
ze
n
o
n
-
li
n
ea
r
b
eh
a
v
io
r
,
f
ea
t
u
r
e
i
n
ter
ac
tio
n
s
,
an
d
i
n
tr
i
n
s
ic
esti
m
ates
o
f
f
ea
t
u
r
e
i
m
p
o
r
tan
ce
.
T
h
e
ap
p
r
o
ac
h
is
also
ca
p
ab
le
o
f
o
v
er
f
itti
n
g
r
ed
u
cti
o
n
d
u
e
to
en
s
e
m
b
le
a
v
er
ag
i
n
g
[
2
1
]
.
Mo
d
el
co
n
f
ig
u
r
atio
n
:
t
h
e
co
n
f
ig
u
r
atio
n
o
f
h
y
p
er
p
ar
a
m
eter
s
w
as
s
e
lecte
d
in
a
s
y
s
te
m
a
tic
m
an
n
er
t
o
en
s
u
r
e
t
h
at
t
h
e
p
r
ed
ictio
n
ac
cu
r
ac
y
,
co
m
p
u
tatio
n
a
l
ef
f
icien
c
y
,
an
d
t
h
e
ab
ilit
y
o
f
th
e
m
o
d
el
to
g
en
er
alize
ar
e
b
alan
ce
d
.
T
h
e
d
ataset
co
n
s
is
ts
o
f
4
5
,
0
0
0
s
am
p
le
s
f
r
o
m
9
0
NS
-
3
s
i
m
u
latio
n
co
n
f
ig
u
r
atio
n
s
;
d
etails
o
f
th
e
d
ataset
g
e
n
er
atio
n
,
f
ea
tu
r
e
s
e
le
ctio
n
,
a
n
d
tr
ain
-
tes
t
p
ar
titi
o
n
in
g
ar
e
d
escr
ib
ed
in
s
ec
tio
n
s
2
.
2
an
d
2
.
3
.
T
h
e
h
y
p
er
p
ar
a
m
eter
s
g
u
ar
a
n
t
ee
s
tab
le
av
er
ag
in
g
o
f
th
e
e
n
s
e
m
b
le
w
it
h
2
0
0
tr
ee
s
g
iv
in
g
<0
.
5
%
R
2
g
ain
s
b
e
y
o
n
d
w
h
ich
p
er
m
it
th
e
lear
n
i
n
g
o
f
co
m
p
licated
r
ela
tio
n
s
h
ip
s
w
i
th
o
u
t
e
x
ce
s
s
i
v
e
s
e
g
m
e
n
tat
i
o
n
o
f
d
ata
(
d
ep
th
s
<2
0
u
n
d
er
f
it
a
n
d
>3
0
o
v
er
f
it).
T
h
e
p
r
o
ce
s
s
allo
w
s
th
e
d
etec
tio
n
o
f
p
atter
n
s
w
it
h
o
u
t
o
v
er
l
y
s
p
ec
i
f
ic
s
p
lits
,
r
ep
r
o
d
u
cib
ilit
y
,
an
d
all
ce
n
tr
al
p
r
o
ce
s
s
in
g
u
n
it
(
C
P
U)
c
o
r
es
ar
e
u
s
ed
to
r
e
d
u
ce
tr
ain
in
g
ti
m
e
b
y
ap
p
r
o
x
im
a
tel
y
7
5
%.
T
o
p
r
ev
en
t
d
a
ta
leak
ag
e,
o
n
l
y
f
ea
t
u
r
es
co
m
p
u
tab
le
p
r
io
r
t
o
p
ac
k
e
t
tr
an
s
m
is
s
io
n
w
er
e
r
etain
ed
.
P
o
s
t
-
tr
an
s
m
is
s
io
n
o
u
tco
m
e
f
ea
tu
r
e
s
(
T
x
_
P
ac
k
et,
R
x
_
P
ac
k
ets,
P
ac
k
et
L
o
s
s
,
an
d
P
DR
)
w
er
e
e
x
p
licitl
y
ex
clu
d
ed
as
in
p
u
ts
,
s
in
ce
th
ese
v
al
u
es
ar
e
o
n
l
y
av
ailab
l
e
af
ter
tr
an
s
m
is
s
io
n
co
m
p
let
es.
T
h
e
1
4
r
etain
ed
f
ea
t
u
r
es
s
p
an
t
h
e
s
p
atial,
co
n
f
i
g
u
r
atio
n
,
p
h
y
s
ical
la
y
er
,
li
n
k
q
u
alit
y
,
an
d
en
er
g
y
/air
ti
m
e
ca
teg
o
r
ies
lis
ted
i
n
T
ab
le
4
,
all
o
f
w
h
ic
h
ar
e
eith
er
k
n
o
w
n
at
co
n
f
ig
u
r
atio
n
tim
e
o
r
esti
m
ab
le
f
r
o
m
t
h
e
p
ath
-
lo
s
s
m
o
d
el
b
ef
o
r
e
tr
an
s
m
is
s
io
n
.
T
h
is
en
s
u
r
e
s
th
a
t
th
e
m
o
d
el
p
r
ed
icts
P
DR
f
r
o
m
ca
u
s
al
p
r
e
-
tr
an
s
m
is
s
io
n
in
p
u
ts
,
p
r
ev
en
tin
g
an
y
leak
ag
e
o
f
th
e
tar
g
e
t
v
ar
iab
le
in
to
th
e
p
r
ed
icto
r
s
.
B
o
o
ts
tr
ap
s
a
m
p
lin
g
w
as
u
s
ed
to
tr
ain
ev
er
y
d
ec
is
io
n
tr
ee
(
DT
)
(
r
an
d
o
m
s
elec
tio
n
w
it
h
r
ep
lace
m
en
t
an
d
ap
p
r
o
x
i
m
a
tel
y
6
3
%
u
n
iq
u
e
co
v
er
ag
e
p
er
tr
ee
)
,
r
an
d
o
m
f
ea
t
u
r
e
s
u
b
s
elec
t
io
n
(
√
1
4
≈
4
p
r
ed
ic
to
r
s
p
er
n
o
d
e
f
o
r
th
e
m
i
n
i
m
i
za
tio
n
o
f
m
ea
n
s
q
u
ar
e
er
r
o
r
(
MSE
)
)
,
r
ec
u
r
s
iv
e
s
p
litt
i
n
g
(
u
p
to
th
e
m
a
x
i
m
u
m
d
ep
th
o
r
m
i
n
i
m
u
m
s
p
lit
co
n
s
tr
ain
ts
)
,
an
d
en
s
e
m
b
le
a
v
er
ag
i
n
g
(
m
ea
n
p
r
ed
icti
o
n
ac
r
o
s
s
2
0
0
tr
ee
s
)
.
T
ab
le
5
p
r
esen
ts
th
e
f
i
n
al
h
y
p
er
p
ar
am
eter
co
n
f
ig
u
r
atio
n
o
f
th
e
RF
m
o
d
el
u
s
ed
i
n
t
h
is
s
tu
d
y
.
T
h
e
s
elec
ted
v
al
u
es
p
r
o
v
id
e
a
b
alan
ce
b
et
w
ee
n
p
r
ed
ictio
n
ac
cu
r
ac
y
,
m
o
d
el
g
e
n
er
aliza
tio
n
,
an
d
co
m
p
u
tatio
n
al
ef
f
icien
c
y
.
Sp
ec
i
f
icall
y
,
2
0
0
tr
ee
s
w
er
e
u
s
ed
to
s
tab
ilize
en
s
e
m
b
le
p
r
ed
ictio
n
s
,
a
m
a
x
i
m
u
m
d
ep
th
o
f
2
5
ca
p
tu
r
ed
n
o
n
li
n
ea
r
r
elatio
n
s
h
i
p
s
w
h
ile
li
m
it
in
g
o
v
er
f
itti
n
g
,
a
m
i
n
i
m
u
m
s
p
lit
s
ize
o
f
t
h
r
ee
r
ed
u
ce
d
u
n
n
ec
es
s
ar
y
tr
ee
g
r
o
w
t
h
,
r
an
d
o
m
_
s
tate
=
4
2
en
s
u
r
ed
r
ep
r
o
d
u
cib
ilit
y
,
an
d
n
_
j
o
b
s
=
-
1
en
ab
l
ed
p
ar
allel
co
m
p
u
tatio
n
ac
r
o
s
s
all
av
ailab
le
C
P
U
co
r
es.
T
ab
le
5
.
RF
h
y
p
er
p
ar
a
m
eter
c
o
n
f
i
g
u
r
atio
n
P
a
r
a
me
t
e
r
V
a
l
u
e
n
_
e
st
i
ma
t
o
r
s
2
0
0
max
_
d
e
p
t
h
25
mi
n
_
sa
mp
l
e
s_
s
p
l
i
t
3
r
a
n
d
o
m_
s
t
a
t
e
42
n
_
j
o
b
s
-
1
2
.
5
.
L
ig
htG
B
M
m
o
del a
rc
hi
t
ec
t
ure
T
h
e
r
ea
s
o
n
w
h
y
L
i
g
h
tGB
M
re
g
r
ess
o
r
h
as
b
ee
n
ch
o
s
e
n
as
an
alter
n
ati
v
e
ap
p
r
o
ac
h
is
t
h
at
it
h
a
s
g
r
ad
ien
t
b
o
o
s
tin
g
w
it
h
leaf
-
w
i
s
e
g
r
o
w
t
h
tr
ee
s
,
b
etter
co
m
p
u
t
atio
n
p
o
w
er
u
s
i
n
g
h
is
to
g
r
a
m
-
b
ased
s
p
litt
in
g
,
lo
w
tr
ain
i
n
g
/
in
f
er
en
ce
,
a
n
d
all
w
it
h
a
co
m
p
etiti
v
e
ab
ili
t
y
w
it
h
a
lo
w
m
e
m
o
r
y
f
o
o
tp
r
in
t
[
2
2
]
.
T
h
e
r
e
c
en
t
a
p
p
l
i
c
a
t
i
o
n
s
o
f
I
o
T
[
2
3
]
,
[
2
4
]
p
r
o
v
e
i
ts
u
s
e
f
u
l
n
e
s
s
in
r
e
al
-
t
im
e
e
d
g
e
d
e
p
l
o
y
m
en
t
.
M
o
d
e
l
c
o
n
f
ig
u
r
a
t
i
o
n
:
T
a
b
l
e
6
s
u
m
m
a
r
i
z
es
h
y
p
e
r
p
a
r
am
et
e
r
s
ch
o
s
en
t
o
o
p
t
im
i
z
e
p
r
e
d
ic
t
i
o
n
a
cc
u
r
a
cy
,
t
r
ain
in
g
s
p
e
e
d
,
an
d
g
en
e
r
a
l
i
z
at
i
o
n
.
T
ab
le
6
.
L
ig
h
t
GB
M
h
y
p
er
p
ar
am
eter
co
n
f
ig
u
r
atio
n
P
a
r
a
me
t
e
r
V
a
l
u
e
n
_
e
st
i
ma
t
o
r
s
2
0
0
max
_
d
e
p
t
h
25
l
e
a
r
n
i
n
g
_
r
a
t
e
0
.
0
5
n
u
m
_
l
e
a
v
e
s
31
R
a
n
d
o
m
_
st
a
t
e
42
T
h
e
p
a
r
am
eter
s
ar
e
f
air
l
y
co
m
p
ar
ab
le
to
th
e
en
s
e
m
b
le
s
ize
o
f
th
e
RF
b
y
m
ain
tain
in
g
co
n
s
t
an
t
d
ep
th
w
h
ile
t
h
e
g
r
o
w
th
r
elate
d
to
th
e
leaf
s
to
p
s
o
v
er
f
itti
n
g
.
Mo
r
eo
v
er
,
th
e
s
tep
s
ize
is
also
co
n
s
er
v
ati
v
e
at
5
%
to
co
r
r
ec
t
er
r
o
r
s
an
d
g
e
n
er
alize
b
etter
,
th
e
n
u
m
b
er
o
f
tr
ee
n
o
d
es
is
co
n
tr
o
lled
(
3
1
n
o
d
es
=
2
5
−
1
)
,
an
d
r
ep
r
o
d
u
cib
ilit
y
i
s
en
s
u
r
ed
.
E
ac
h
b
o
o
s
tin
g
iter
atio
n
i
n
cl
u
d
es
g
r
ad
ien
t
co
m
p
u
tatio
n
(
ca
lcu
l
ate
r
esid
u
al
er
r
o
r
s
,
Evaluation Warning : The document was created with Spire.PDF for Python.
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
Ma
ch
in
e
lea
r
n
in
g
-
b
a
s
ed
j
o
in
t
o
p
timiz
a
tio
n
fo
r
Lo
R
a
W
A
N
r
e
lia
b
ilit
y
a
n
d
en
erg
y
efficien
cy
(
N
a
n
a
R
u
s
d
ia
n
a
)
1587
ea
ch
tr
ee
co
r
r
ec
ts
p
r
ev
io
u
s
m
is
tak
e
s
)
,
leaf
-
w
is
e
tr
ee
g
r
o
w
t
h
(
s
elec
t
leaf
w
it
h
m
a
x
i
m
u
m
i
n
f
o
r
m
atio
n
g
ai
n
p
r
o
d
u
cin
g
as
y
m
m
etr
ic
e
f
f
ici
en
t
tr
ee
s
)
,
f
ea
t
u
r
e
s
u
b
s
a
m
p
l
in
g
(
~1
1
o
f
1
4
f
ea
tu
r
es
ev
alu
ated
to
r
ed
u
ce
o
v
er
f
itti
n
g
)
,
an
d
w
e
ig
h
ted
e
n
s
e
m
b
le
a
g
g
r
e
g
atio
n
(
ea
ch
t
r
ee
co
n
tr
ib
u
tes
w
ei
g
h
t
α
=
0
.
0
5
,
f
in
al
P
DR
=
w
ei
g
h
ted
s
u
m
)
.
2
.
6
.
E
nerg
y
co
ns
u
m
ptio
n
m
o
dellin
g
T
h
e
en
er
g
y
r
eq
u
ir
ed
to
tr
an
s
m
it
o
n
e
L
o
R
aW
A
N
p
ac
k
et
w
as
co
m
p
u
ted
as
th
e
p
r
o
d
u
ct
o
f
th
e
tr
an
s
m
it
p
o
w
er
an
d
th
e
co
r
r
esp
o
n
d
in
g
T
o
A
.
T
h
is
w
as a
c
h
iev
ed
u
s
i
n
g
(
5
)
:
(
,
)
=
(
)
×
(
)
(
5
)
T
r
an
s
m
it
p
o
w
er
co
n
v
er
s
io
n
:
tr
an
s
m
it
p
o
w
er
i
n
m
i
lli
w
att
s
w
a
s
o
b
tain
ed
th
r
o
u
g
h
t
h
e
f
o
l
lo
w
i
n
g
co
n
v
er
s
io
n
p
r
o
ce
s
s
:
(
)
=
10
10
(
6)
T
h
e
ex
a
m
p
le
o
f
t
h
e
co
n
v
er
s
io
n
co
n
d
u
cted
is
p
r
ese
n
ted
in
T
ab
le
7
.
T
ab
le
7
.
T
r
an
s
m
it
p
o
w
er
i
n
m
il
li
w
a
tts
P
o
w
e
r
(
d
B
m)
M
i
l
l
i
w
a
t
t
1
4
d
B
m
10
1
.
4
=
2
5
.
1
2
mW
6
d
B
m
10
0
.
6
=
3
.
9
8
mW
T
o
A
an
d
en
er
g
y
lo
o
k
u
p
:
NS
-
3
w
it
h
a
2
0
-
b
y
te
p
a
y
lo
ad
w
as
ap
p
lied
to
d
er
iv
e
T
o
A
v
al
u
e
s
f
o
r
ea
ch
DR
an
d
co
m
p
u
te
th
e
en
er
g
y
c
o
n
s
u
m
p
tio
n
at
6
d
B
m
an
d
1
4
d
B
m
as
p
r
esen
ted
in
T
ab
le
8
.
Mo
r
eo
v
er
,
a
lo
o
k
u
p
m
atr
i
x
s
to
r
ed
all
3
0
c
o
m
b
i
n
at
io
n
s
(
6
DR
×
5
p
o
w
er
lev
els)
to
p
r
o
v
id
e
r
et
r
iev
al
d
u
r
in
g
o
p
ti
m
izatio
n
.
E
n
er
g
y
i
m
p
lic
atio
n
s
:
SF
7
@
6
d
B
m
u
s
es
0
.
1
4
m
J
/p
ac
k
et;
SF
1
2
@
1
4
d
B
m
u
s
e
s
2
4
.
9
0
m
J
/p
ac
k
et
,
a
1
7
8
×
en
er
g
y
g
ap
w
h
ic
h
s
h
o
w
s
t
h
e
n
ee
d
f
o
r
j
o
in
t
o
p
ti
m
izatio
n
r
ath
er
t
h
an
co
n
s
er
v
ati
v
e
s
et
tin
g
s
(
SF
1
2
+
1
4
d
B
m
)
.
T
h
is
ap
p
r
o
ac
h
em
p
h
asize
s
t
h
e
p
o
w
er
o
f
r
ad
io
s
ig
n
als
in
o
r
d
er
to
is
o
late
th
e
e
f
f
ec
t
o
f
p
ar
a
m
eter
co
m
p
o
s
i
tio
n
o
n
th
e
d
ep
en
d
ab
ilit
y
an
d
ef
f
ec
t
iv
e
n
e
s
s
.
E
n
er
g
etic
m
ea
s
u
r
e
m
e
n
t
s
ass
o
ciate
d
w
it
h
th
e
r
ec
eiv
e
w
i
n
d
o
w
s
,
p
r
o
ce
s
s
in
g
,
s
en
s
in
g
,
an
d
s
leep
s
tates
ar
e
o
m
itted
.
T
h
e
m
ea
s
u
r
e
m
e
n
t
s
allo
w
th
e
r
elati
v
e
co
m
p
ar
is
o
n
o
f
th
e
co
n
f
i
g
u
r
atio
n
b
u
t n
o
t a
n
e
s
ti
m
ate
o
f
ab
s
o
l
u
te
b
atter
y
li
f
e.
T
ab
le
8
.
T
o
A
an
d
en
er
g
y
p
er
-
p
ac
k
et
DR
SF
T
o
A
(
ms)
En
e
r
g
y
@
6
d
B
m (m
J)
En
e
r
g
y
@
1
4
d
B
m
(
mJ)
0
12
9
9
1
.
2
3
2
3
.
9
5
2
4
.
9
0
1
11
4
9
5
.
6
1
6
1
.
9
7
1
2
.
4
5
2
10
2
4
7
.
8
0
8
0
.
9
9
6
.
2
2
3
9
1
2
8
.
0
0
0
0
.
5
1
3
.
2
2
4
8
6
6
.
0
4
8
0
.
2
6
1
.
6
6
5
7
3
4
.
0
4
8
0
.
1
4
0
.
8
5
2
.
7
.
M
ulti
-
o
bje
ct
iv
e
ML
o
pti
m
iza
t
io
n str
a
t
eg
y
T
h
e
tr
ad
eo
f
f
b
et
w
ee
n
en
er
g
y
ef
f
icien
c
y
a
n
d
r
eliab
ilit
y
i
n
t
h
e
co
n
tex
t
o
f
m
u
lti
-
o
b
j
ec
tiv
e
o
p
ti
m
izatio
n
h
as
b
ee
n
w
id
el
y
s
t
u
d
ied
in
w
ir
eless
s
en
s
o
r
n
et
w
o
r
k
s
[
2
5
]
,
an
d
w
ei
g
h
ted
-
s
u
m
m
et
h
o
d
s
h
a
v
e
p
r
o
v
ed
to
b
e
v
er
y
ef
f
ec
tiv
e
i
n
en
er
g
y
-
co
n
s
c
io
u
s
r
o
u
tin
g
[
2
6
]
.
B
o
th
o
b
j
ec
tiv
es
ar
e
s
ca
led
to
th
e
[
0
,
1
]
r
an
g
e
an
d
s
u
m
m
ed
u
p
w
it
h
s
o
m
e
w
ei
g
h
t
s
th
at
co
n
ta
in
a
p
p
licatio
n
p
r
io
r
ities
.
P
DR
is
n
o
r
m
alize
d
th
r
o
u
g
h
a
d
iv
is
io
n
b
y
1
0
0
w
it
h
th
e
en
er
g
y
ef
f
icie
n
c
y
ca
lcu
la
ted
as
th
e
co
m
p
le
m
en
t
o
f
n
o
r
m
alize
d
en
er
g
y
co
n
s
u
m
p
tio
n
.
T
h
is
ap
p
r
o
ac
h
is
f
o
r
m
alize
d
t
h
r
o
u
g
h
t
h
e
s
tep
s
p
r
esen
ted
in
A
l
g
o
r
it
h
m
1
.
RF
as
w
ell
as
L
ig
h
tGB
M
w
er
e
b
o
th
tr
ain
ed
f
o
r
th
e
p
r
ed
ictio
n
o
f
P
DR
an
d
to
im
p
lici
tl
y
lea
r
n
en
er
g
y
-
ef
f
icien
t
s
et
tin
g
s
t
h
r
o
u
g
h
t
h
e
E
n
er
g
y
P
er
P
ac
k
et_
m
J
f
ea
t
u
r
e.
I
n
in
f
er
e
n
ce
,
t
h
e
m
o
d
els
s
u
g
g
est
p
ar
a
m
eter
s
(
d
ata
r
ate,
T
x
P
o
w
er
,
ch
a
n
n
e
l
f
r
eq
u
en
c
y
)
,
w
h
ich
m
ax
i
m
ize
th
e
w
ei
g
h
ted
s
co
r
e
o
f
p
er
f
o
r
m
a
n
ce
.
T
h
e
co
ef
f
icie
n
ts
(
=
0
.
6
r
eliab
ilit
y
,
=
0
.
4
en
er
g
y
)
w
er
e
s
e
t
to
ac
h
ie
v
e
th
e
ai
m
o
f
d
eliv
er
in
g
p
ac
k
ets
i
n
m
is
s
io
n
-
cr
iti
ca
l
ap
p
licatio
n
s
w
it
h
o
u
t
s
ac
r
i
f
ici
n
g
th
e
e
f
f
o
r
ts
to
s
a
v
e
e
n
er
g
y
.
T
h
is
ad
j
u
s
ts
b
ased
o
n
d
ep
lo
y
m
e
n
t
r
eq
u
ir
e
m
e
n
ts
w
h
er
e
a
h
i
g
h
er
is
f
o
r
r
eliab
ilit
y
-
cr
it
ical
ap
p
licatio
n
s
(
h
ea
lt
h
c
ar
e,
s
af
et
y
s
y
s
te
m
s
)
o
r
a
h
i
g
h
e
r
is
f
o
r
en
er
g
y
-
co
n
s
tr
ain
ed
s
ce
n
ar
io
s
(
r
e
m
o
te
s
en
s
o
r
s
,
b
atter
y
-
p
o
w
er
ed
n
o
d
es).
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
1
6
9
3
-
6930
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
,
Vo
l.
24
,
No
.
5
,
Octo
b
e
r
20
26
:
1
5
8
1
-
1596
1588
A
l
g
o
r
ith
m
1
.
Mu
lt
i
-
o
b
j
ec
tiv
e
o
p
tim
izatio
n
Input:
PDR (Packet Delivery Ratio, 0
-
100%)
E (Energy per packet, millijoules)
E_max (Maximum energy in dataset)
α (PDR weight,
default: 0.6)
β (Energy weight, default: 0.4)
Output: S (multi
-
objective performance score, 0
-
1)
1: // Normalize PDR to [0, 1] range
2: PDR_norm ← PDR / 100.0
3: // Compute energy efficiency (inverted, higher is better)
4: E_eff ← 1
-
(E_pkt / E_max)
5: /
/ Compute weighted multi
-
objective score
6: S ← α × PDR_norm + β × E_eff
7: // Constraint: ensure weights sum to unity
8: assert α + β = 1.0
9: return S
Sev
er
al
A
I
-
b
ased
ap
p
r
o
ac
h
es
s
u
c
h
as
r
ei
n
f
o
r
ce
m
e
n
t
an
d
DL
m
o
d
els
h
av
e
b
ee
n
p
r
o
p
o
s
ed
f
o
r
L
o
R
aW
A
N
o
p
ti
m
iza
tio
n
,
b
u
t
d
ir
ec
t
ex
p
er
im
e
n
tal
co
m
p
ar
i
s
o
n
is
n
o
n
-
tr
iv
ial
d
u
e
to
d
if
f
er
en
ce
s
in
co
n
tr
o
l
ass
u
m
p
tio
n
s
,
tr
ai
n
i
n
g
r
eq
u
ir
em
en
ts
,
a
n
d
s
y
s
te
m
ar
c
h
itect
u
r
es.
Mo
s
t
R
L
ap
p
r
o
ac
h
es
ass
u
m
e
ce
n
tr
alize
d
o
n
li
n
e
lear
n
in
g
o
r
co
n
ti
n
u
o
u
s
n
et
w
o
r
k
in
ter
ac
tio
n
w
h
ich
d
i
f
f
er
s
f
r
o
m
a
s
u
p
er
v
is
ed
an
d
o
f
f
l
in
e
-
t
r
ain
ed
f
r
a
m
e
w
o
r
k
.
T
h
is
s
tu
d
y
b
en
c
h
m
ar
k
s
a
g
ai
n
s
t
th
e
w
id
el
y
d
ep
lo
y
ed
co
n
v
e
n
tio
n
al
ADR
m
ec
h
an
is
m
f
o
r
f
air
an
d
p
r
ac
ticall
y
r
elev
an
t
co
m
p
ar
is
o
n
.
Ho
w
e
v
e
r
,
co
m
p
ar
ativ
e
ev
al
u
atio
n
w
it
h
R
L
ap
p
r
o
ac
h
es
is
id
en
tif
ied
to
b
e
c
o
n
d
u
cted
in
f
u
tu
r
e
s
t
u
d
ies.
2
.
8
.
E
x
peri
m
ent
a
l
ev
a
lua
t
io
n f
ra
m
ew
o
rk
Fig
u
r
e
4
p
r
esen
ts
th
e
co
m
p
let
e
ev
alu
atio
n
p
ip
elin
e
f
o
r
s
ta
n
d
ar
d
A
DR
an
d
th
e
p
r
o
p
o
s
ed
A
I
-
p
o
w
er
ed
o
p
tim
i
za
tio
n
.
T
h
e
p
r
o
ce
s
s
s
tar
ts
w
it
h
d
ataset_
m
l.p
y
g
e
n
er
ati
n
g
r
a
n
d
o
m
d
ev
ice
p
o
s
itio
n
s
t
h
at
d
is
tr
ib
u
te
ED
w
it
h
i
n
a
s
p
ec
if
ied
r
ad
iu
s
.
T
h
e
d
ataset
p
a
s
s
es
to
ML
p
r
ed
ictio
n
(
RF
an
d
L
i
g
h
tGB
M
p
r
ed
ict
L
o
R
aW
A
N
p
ar
am
eter
s
b
ased
o
n
lin
k
ch
ar
ac
ter
is
tics
,
lo
ca
tio
n
,
a
n
d
l
ea
r
n
ed
p
er
f
o
r
m
a
n
ce
)
to
p
r
o
d
u
ce
:
−
ex
p
er
i
m
e
n
t_
s
c
h
ed
u
le_
n
Dev
ic
es_
n
R
ad
i
u
s
.
c
s
v
(
o
p
ti
m
ized
co
n
f
ig
u
r
atio
n
s
)
an
d
−
n
o
d
e_
p
o
s
itio
n
_
n
Dev
ices_
n
R
a
d
iu
s
.
cs
v
(
n
o
d
e
la
y
o
u
t)
.
T
h
e
o
u
tp
u
ts
f
ee
d
t
w
o
NS
-
3
s
i
m
u
latio
n
p
at
h
s
w
h
ic
h
in
cl
u
d
e
:
−
ad
r
_
b
aselin
e.
cc
ex
ec
u
ti
n
g
c
o
n
v
e
n
tio
n
al
L
o
R
aW
A
N
AD
R
to
p
r
o
d
u
ce
b
aseli
n
e
r
ef
e
r
en
ce
d
ataset
r
esu
lt_
ex
p
er
i
m
e
n
t_
n
De
v
ices_
n
R
ad
i
u
s
.
cs
v
.
−
d
ataset_
m
l.c
c
r
u
n
s
e
x
p
er
i
m
e
n
t
s
u
s
in
g
RF
an
d
L
ig
h
tGB
M
r
ec
o
m
m
e
n
d
ed
p
ar
am
e
ter
s
.
Fin
all
y
,
o
u
tp
u
ts
ar
e
ev
al
u
ated
in
d
ata
an
al
y
s
is
w
it
h
th
e
co
n
v
en
t
io
n
al
A
D
R
r
e
s
u
l
ts
d
eter
m
i
n
in
g
t
h
e
b
aselin
e
r
eliab
ilit
y
a
n
d
en
er
g
y
tr
e
n
d
s
wh
ile
m
ac
h
in
e
-
lear
n
in
g
r
es
u
lt
s
ass
es
s
P
DR
a
n
d
b
atter
y
e
f
f
icie
n
c
y
i
m
p
r
o
v
e
m
e
n
ts
.
T
h
e
p
r
o
ce
s
s
in
g
o
f
t
h
r
ee
o
u
tp
u
ts
in
th
e
f
o
r
m
o
f
co
n
v
e
n
tio
n
al
A
DR
,
RF
,
a
n
d
L
i
g
h
t
GB
M
s
ep
ar
atel
y
e
n
ab
les
d
ir
ec
t f
air
co
m
p
ar
is
o
n
f
o
r
id
en
tical
d
ev
ice
to
p
o
lo
g
ies.
Fig
u
r
e
4
.
Si
m
u
latio
n
w
o
r
k
f
lo
w
f
o
r
ev
al
u
atio
n
Evaluation Warning : The document was created with Spire.PDF for Python.
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
Ma
ch
in
e
lea
r
n
in
g
-
b
a
s
ed
j
o
in
t
o
p
timiz
a
tio
n
fo
r
Lo
R
a
W
A
N
r
e
lia
b
ilit
y
a
n
d
en
erg
y
efficien
cy
(
N
a
n
a
R
u
s
d
ia
n
a
)
1589
2
.
9
.
E
v
a
lua
t
i
o
n
m
et
rics
T
h
r
ee
p
r
im
ar
y
m
etr
ic
s
ar
e
u
s
ed
to
ev
alu
ate
s
y
s
te
m
p
er
f
o
r
m
an
ce
in
th
is
s
t
u
d
y
:
(
i
)
P
DR
q
u
an
ti
f
ie
s
n
et
w
o
r
k
r
eliab
ilit
y
as
th
e
p
er
ce
n
tag
e
o
f
s
u
cc
es
s
f
u
ll
y
r
ec
ei
v
e
d
p
ac
k
ets
o
u
t
o
f
all
tr
an
s
m
itte
d
p
ac
k
ets
(
th
e
tar
g
et
v
ar
iab
le
o
f
th
e
ML
m
o
d
els,
f
o
r
m
al
ized
in
se
ctio
n
2
.
3
)
;
(
ii
)
en
er
g
y
co
n
s
u
m
p
tio
n
p
er
n
o
d
e
(
j
o
u
les)
m
ea
s
u
r
e
s
p
ar
am
eter
-
s
elec
tio
n
e
f
f
icie
n
c
y
u
s
i
n
g
t
h
e
T
o
A
-
b
ased
en
er
g
y
m
o
d
el
d
ef
i
n
ed
in
(
5
)
(
s
ec
tio
n
2
.
6
)
;
n
et
w
o
r
k
-
w
id
e
to
tal
en
er
g
y
i
s
also
r
ep
o
r
ted
f
o
r
s
ca
lab
ilit
y
ass
es
s
m
en
t
;
an
d
(
iii
)
o
p
tim
izatio
n
e
f
f
icie
n
c
y
is
ca
p
tu
r
ed
b
y
th
e
co
m
p
o
s
i
te
p
er
f
o
r
m
a
n
ce
s
co
r
e
in
(
1
)
,
w
h
ich
b
ala
n
ce
s
P
DR
an
d
en
er
g
y
ef
f
icie
n
c
y
v
ia
w
e
ig
h
ted
ag
g
r
eg
at
io
n
(
=
0
.
6
,
=
0
.
4
)
.
Fo
r
ML
m
o
d
el
q
u
alit
y
,
t
h
e
co
ef
f
icie
n
t o
f
d
eter
m
i
n
atio
n
(
R
²)
,
m
ea
n
ab
s
o
l
u
te
er
r
o
r
(
MA
E
)
,
an
d
r
o
o
t
m
ea
n
s
q
u
ar
e
er
r
o
r
(
R
MSE
)
ass
e
s
s
p
r
ed
ictio
n
ac
c
u
r
ac
y
o
n
t
h
e
h
eld
-
o
u
t
test
s
et
an
d
ar
e
r
ep
o
r
te
d
in
s
ec
tio
n
3
.
1
.
3.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
N
3
.
1
.
T
ra
ini
ng
re
s
ult
a
nd
m
o
del per
f
o
r
m
a
nce
T
h
e
co
m
p
r
eh
en
s
i
v
e
p
er
f
o
r
m
a
n
ce
co
m
p
ar
is
o
n
i
n
T
ab
le
9
s
h
o
w
ed
th
at
L
i
g
h
t
GB
M
h
ad
b
etter
r
esu
lts
w
it
h
R
2
=
0
.
8
4
1
6
(
+
2
.
6
6
co
m
p
ar
ed
to
0
.
8
1
9
8
f
o
r
RF
)
an
d
R
MSE
=
1
6
.
7
9
%
(
+6
.
2
5
co
m
p
ar
ed
to
1
7
.
9
1
%
o
f
RF
)
.
A
t
t
h
e
co
m
p
ar
ab
le
lev
el
o
f
ap
p
r
o
x
i
m
atel
y
5
.
5
%,
MA
E
w
as
s
i
m
ilar
in
b
o
th
m
o
d
els.
T
h
e
r
elatio
n
s
h
i
p
b
et
w
ee
n
th
e
p
r
ed
icted
an
d
r
ea
l
v
al
u
e
o
f
P
DR
o
f
th
e
RF
a
n
d
L
i
g
h
t
GB
M
m
o
d
el
is
p
r
ese
n
te
d
in
Fi
g
u
r
e
5
.
T
h
e
p
r
ed
ictio
n
s
o
f
th
e
t
w
o
ap
p
r
o
ac
h
es
w
er
e
clo
s
e
to
th
e
id
ea
l
d
iag
o
n
al
w
h
ich
r
ef
lecte
d
g
o
o
d
ag
r
ee
m
e
n
t
w
i
th
g
r
o
u
n
d
-
tr
u
th
v
al
u
es
b
u
t
L
i
g
h
t
GB
M
w
a
s
a
lit
tle
clo
s
er
to
t
h
e
r
ef
er
en
ce
o
f
t
h
e
id
ea
l
p
r
ed
ictio
n
.
T
h
e
s
u
p
e
r
i
o
r
R
²
of
L
ig
h
t
G
B
M
f
o
l
l
o
w
s
f
r
o
m
i
ts
l
e
a
f
-
w
i
s
e
g
r
o
w
th
,
w
h
i
ch
c
o
n
ce
n
t
r
at
e
s
ca
p
a
c
i
ty
o
n
t
h
e
h
ig
h
est
-
r
es
i
d
u
a
l
r
eg
i
o
n
s
o
f
t
h
e
i
n
p
u
t
s
p
a
c
e
,
ex
ac
t
ly
w
h
e
r
e
PD
R
i
s
m
o
s
t
n
o
n
-
l
in
e
a
r
(
n
e
a
r
t
h
e
s
en
s
i
t
iv
i
ty
th
r
es
h
o
l
d
an
d
at
i
n
te
r
m
e
d
i
a
t
e
SF
s
)
.
T
h
e
n
ea
r
-
i
d
en
t
i
ca
l
MA
E
v
alu
e
s
c
o
n
f
i
r
m
s
im
i
l
a
r
av
e
r
ag
e
ac
c
u
r
a
cy
;
th
e
R
M
S
E
g
a
p
in
d
i
c
at
e
s
th
a
t
L
ig
h
t
G
B
M
m
ak
es
f
ew
e
r
l
a
r
g
e
e
r
r
o
r
s
,
w
h
ich
d
i
r
e
ct
ly
r
e
d
u
c
e
s
p
o
o
r
p
a
r
am
et
e
r
r
e
c
o
m
m
en
d
at
i
o
n
s
at
th
e
n
e
tw
o
r
k
l
ev
el
.
T
ab
le
9
.
P
er
f
o
r
m
a
n
ce
co
m
p
ar
i
s
o
n
o
f
ML
mo
d
els
M
e
t
r
i
c
RF
L
i
g
h
t
G
B
M
I
mp
r
o
v
e
me
n
t
R
²
s
c
o
r
e
0
.
8
1
9
8
0
.
8
4
1
6
+
2
.
6
6
%
M
A
E
(
%)
5
.
5
1
5
.
5
2
−
0
.
1
8
%
R
M
S
E
(
%)
1
7
.
9
1
1
6
.
7
9
+
6
.
2
5
%
I
n
f
e
r
e
n
c
e
t
i
me
(
ms)
0
.
0
1
0
0
0
.
0
0
3
2
+
6
7
.
9
%
Fig
u
r
e
5
.
Mo
d
el
c
o
m
p
ar
is
o
n
Fig
u
r
e
6
is
a
co
m
p
ar
is
o
n
o
f
th
e
q
u
an
tita
tiv
e
p
er
f
o
r
m
an
ce
o
f
b
o
th
m
o
d
els
b
ased
o
n
th
e
R
2
,
MA
E
,
a
n
d
R
MSE
.
L
i
g
h
tGB
M
h
a
s
a
b
et
ter
R
2
a
n
d
lo
w
er
R
MSE
co
m
p
ar
ed
to
RF
w
it
h
b
etter
ex
p
l
an
ato
r
y
p
o
w
er
an
d
s
tab
ilit
y
i
n
th
e
er
r
o
r
,
an
d
b
o
th
m
o
d
els
h
av
e
al
m
o
s
t
th
e
s
a
m
e
MA
E
w
h
ich
co
n
f
ir
m
s
an
eq
u
al
av
er
ag
e
p
r
ed
ictiv
e
p
o
w
er
.
T
h
e
ed
g
e
d
ep
lo
y
m
en
t
o
f
r
eso
u
r
ce
-
co
n
s
tr
ain
ed
d
ev
ices
is
d
ep
en
d
en
t
o
n
co
m
p
u
tatio
n
a
l
ef
f
icien
c
y
.
F
ig
u
r
e
7
s
h
o
w
s
t
h
a
t
L
i
g
h
tGB
M
is
3
.
1
1
×
f
aster
(
6
7
.
9
%
f
aster
)
th
a
n
R
F
w
it
h
0
.
0
0
3
2
m
s
p
er
s
a
m
p
le
v
er
s
u
s
0
.
0
1
0
0
m
s
.
T
h
is
e
f
f
icie
n
c
y
allo
w
s
p
ar
a
m
eter
ad
ap
tatio
n
m
o
r
e
o
f
ten
in
th
e
ca
s
e
o
f
a
ch
a
n
g
e
in
lo
ca
tio
n
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
1
6
9
3
-
6930
T
E
L
KOM
NI
K
A
T
elec
o
m
m
u
n
C
o
m
p
u
t E
l
C
o
n
tr
o
l
,
Vo
l.
24
,
No
.
5
,
Octo
b
e
r
20
26
:
1
5
8
1
-
1596
1590
an
d
w
ir
ele
s
s
f
ea
t
u
r
es.
T
h
e
in
f
er
en
ce
ti
m
e
o
f
b
o
th
m
o
d
els
is
lo
w
e
n
o
u
g
h
to
b
e
s
u
p
p
o
r
ted
b
y
p
r
o
ce
s
s
i
n
g
u
n
it
s
o
f
co
m
m
o
n
L
o
R
aW
A
N
GW
s
y
s
te
m
s
(
R
asp
b
er
r
y
P
i
4
,
A
R
M
C
o
r
tex
p
r
o
ce
s
s
o
r
s
)
w
h
ich
r
ef
lects
t
h
er
e
is
n
o
n
ee
d
to
u
s
e
a
g
r
ap
h
ic
s
p
r
o
ce
s
s
in
g
u
n
it (
GP
U
)
ac
ce
ler
ato
r
.
Fig
u
r
e
6
.
B
ar
p
e
r
f
o
r
m
a
n
ce
m
e
tr
ic
Fig
u
r
e
7
.
Mo
d
el
in
f
er
en
ce
s
p
e
ed
T
h
e
o
v
er
all
ass
es
s
m
e
n
t
i
n
Fi
g
u
r
e
8
lead
s
to
th
e
d
ep
lo
y
m
e
n
t
o
f
L
i
g
h
tGB
M
f
o
r
p
r
o
d
u
ctio
n
b
ec
au
s
e
o
f
th
r
ee
asp
ec
ts
.
T
h
e
f
ir
s
t
asp
ec
t
is
b
etter
ac
cu
r
ac
y
w
h
ic
h
i
s
a
s
s
o
ciate
d
w
it
h
2
.
7
%
h
i
g
h
er
R
2
an
d
6
7
.
9
%
lo
w
er
R
MSE
r
es
u
lt
s
to
ap
p
r
o
x
i
m
atel
y
1
5
0
m
o
r
e
n
o
d
es
o
u
t
o
f
9
,
0
0
0
test
s
a
m
p
le
s
.
T
h
is
led
to
o
p
ti
m
al
r
ec
o
m
m
e
n
d
atio
n
s
an
d
i
m
p
r
o
v
e
m
e
n
t
in
th
e
q
u
alit
y
-
of
-
s
er
v
ice
o
f
a
n
et
w
o
r
k
-
w
id
e.
T
h
e
s
ec
o
n
d
asp
ec
t
i
s
co
m
p
u
tatio
n
al
ef
f
icie
n
c
y
w
h
ic
h
is
r
elate
d
to
6
7
.
9
%
f
aster
in
t
er
f
er
en
ce
w
h
ich
allo
w
ed
o
p
tim
izi
n
g
ab
o
v
e
1
0
0
0
n
o
d
e
n
et
w
o
r
k
s
in
r
ea
l ti
m
e
u
s
i
n
g
s
ta
n
d
ar
d
h
ar
d
w
ar
e
at
3
.
2
s
v
s
.
1
0
s
f
o
r
f
u
l
l n
et
w
o
r
k
u
p
d
at
es.
T
h
e
th
ir
d
asp
ec
t
w
id
er
g
en
er
aliza
tio
n
w
h
ic
h
i
s
co
n
n
ec
ted
to
t
h
e
ab
ilit
y
to
p
er
f
o
r
m
b
etter
i
n
S
F1
1
co
n
f
i
g
u
r
atio
n
s
n
o
t
f
u
l
l
y
Evaluation Warning : The document was created with Spire.PDF for Python.