সূচিপত্র
1. ভূমিকা
ওয়্যারলেস ডেটার চাহিদার বিস্ফোরক বৃদ্ধি সেলুলার নেটওয়ার্কের শক্তি খরচ এবং কার্বন নিঃসরণে উল্লেখযোগ্য বৃদ্ধি ঘটিয়েছে। এই গবেষণাপত্রটি নবায়নযোগ্য শক্তির উৎস (যেমন: সৌর, বায়ু) দ্বারা এই নেটওয়ার্কগুলিকে চালিত করার চ্যালেঞ্জ মোকাবেলা করে, যা স্বভাবতই অনিয়মিত এবং অসম। মূল সমস্যা হল একটি অর্থোগোনাল ফ্রিকোয়েন্সি ডিভিশন মাল্টিপল অ্যাক্সেস (OFDMA) সেলুলার নেটওয়ার্কে ব্যবহারকারীদের মধ্যে সংগৃহীত সীমিত পরিমাণ নবায়নযোগ্য শক্তি দক্ষতার সাথে বরাদ্দ করা। প্রস্তাবিত নীতিটি অনন্যভাবে তিনটি মূল বিষয়কে একীভূত করে: মোট উপলব্ধ নবায়নযোগ্য শক্তি, স্বতন্ত্র ব্যবহারকারীর সার্ভিসের গুণমান (QoS) প্রয়োজনীয়তা এবং রিয়েল-টাইম চ্যানেলের গুণমান। উদ্দেশ্য হল একটি নেটওয়ার্ক-ব্যাপী উপযোগ ফাংশনকে সর্বাধিক করা, যা শক্তির সীমাবদ্ধতার অধীনে ব্যবহারকারীর সন্তুষ্টিকে পরিমাপ করে। এই কাজটি "সবুজ যোগাযোগ" প্যারাডাইমের মধ্যে নিজেকে স্থাপন করে, টেকসইতার জন্য বিশুদ্ধ শক্তি দক্ষতার বাইরে গিয়ে বুদ্ধিমান সম্পদ ব্যবস্থাপনার দিকে অগ্রসর হয়।
2. সিস্টেম মডেল এবং সমস্যা প্রণয়ন
2.1 নেটওয়ার্ক এবং শক্তি মডেল
আমরা একটি একক-সেল OFDMA নেটওয়ার্ক বিবেচনা করি যেখানে একটি বেস স্টেশন (BS) একটি হাইব্রিড শক্তির উৎস দ্বারা চালিত: ঐতিহ্যগত গ্রিড এবং একটি অন-সাইট নবায়নযোগ্য শক্তি সংগ্রহকারী (যেমন: সৌর প্যানেল)। BS, K সংখ্যক ব্যবহারকারীকে সেবা দেয়। নবায়নযোগ্য শক্তি অনিয়মিতভাবে আসে এবং একটি সীমিত-ক্ষমতার ব্যাটারিতে সংরক্ষণ করা হয়। একটি নির্দিষ্ট সময় স্লটে বরাদ্দের জন্য উপলব্ধ নবায়নযোগ্য শক্তিকে $E_{total}$ দ্বারা চিহ্নিত করা হয়। ব্যবহারকারী $k$ এর জন্য চ্যানেল লাভ হল $h_k$, যা সময়ের সাথে পরিবর্তনশীল।
2.2 উপযোগ ফাংশন এবং QoS
এই নীতির ভিত্তি হল উপযোগ ফাংশন $U_k(e_k)$, যা ব্যবহারকারী $k$ এর জন্য বরাদ্দকৃত নবায়নযোগ্য শক্তির পরিমাণ $e_k$ কে সেই ব্যবহারকারীর সন্তুষ্টির একটি পরিমাপে ম্যাপ করে। এই ফাংশনটি ব্যবহারকারীর QoS প্রয়োজনীয়তা প্রতিফলিত করার জন্য ডিজাইন করা হয়েছে। উদাহরণস্বরূপ, একটি বিলম্ব-সংবেদনশীল ব্যবহারকারীর (যেমন: ভিডিও স্ট্রিমিং) দ্রুত বৃদ্ধি পাওয়া এবং দ্রুত স্যাচুরেট হওয়া একটি তীক্ষ্ণভাবে বৃদ্ধিপ্রাপ্ত উপযোগ ফাংশন থাকতে পারে, যখন একটি বেস্ট-এফোর্ট ব্যবহারকারীর (যেমন: ফাইল ডাউনলোড) আরও রৈখিক উপযোগ ফাংশন থাকতে পারে। সামগ্রিক নেটওয়ার্ক উপযোগ হল $U_{sum} = \sum_{k=1}^{K} U_k(e_k)$।
2.3 অপ্টিমাইজেশন সমস্যা
শক্তি বরাদ্দ সমস্যাটিকে একটি সীমাবদ্ধ অপ্টিমাইজেশন সমস্যা হিসাবে প্রণয়ন করা হয়েছে: $$\max_{\{e_k\}} \sum_{k=1}^{K} U_k(e_k)$$ সাপেক্ষে: $$\sum_{k=1}^{K} e_k \leq E_{total}$$ $$e_k \geq 0, \quad \forall k \in \{1,...,K\}$$ $$R_k(e_k, h_k) \geq R_{k}^{min}, \quad \forall k$$ যেখানে $R_k$ হল ব্যবহারকারী $k$ এর জন্য অর্জনযোগ্য ডেটা রেট (বরাদ্দকৃত শক্তি $e_k$ এবং চ্যানেল লাভ $h_k$ এর একটি ফাংশন), এবং $R_{k}^{min}$ হল তার QoS পূরণের জন্য প্রয়োজনীয় সর্বনিম্ন রেট।
3. প্রস্তাবিত শক্তি বরাদ্দ অ্যালগরিদম
3.1 হিউরিস্টিক অ্যালগরিদম ডিজাইন
সমস্যাটির নন-কনভেক্স এবং কম্বিনেটোরিয়াল প্রকৃতি (বিশেষ করে OFDMA-তে বিচ্ছিন্ন সাবক্যারিয়ার বরাদ্দের সাথে) দেওয়া থাকায়, লেখকরা একটি নিম্ন-জটিলতার হিউরিস্টিক অ্যালগরিদম প্রস্তাব করেছেন। অ্যালগরিদমটি একটি লোভী-সদৃশ পদ্ধতিতে কাজ করে:
- ব্যবহারকারী অগ্রাধিকার নির্ধারণ: ব্যবহারকারীদের তাদের চ্যানেলের গুণমান ($h_k$) এবং প্রতি একক শক্তির জন্য প্রান্তিক উপযোগ লাভ ($\Delta U_k / \Delta e_k$) একত্রিত করে একটি যৌগিক মেট্রিকের ভিত্তিতে র্যাঙ্ক করা হয়।
- পুনরাবৃত্তিমূলক বরাদ্দ: সর্বোচ্চ অগ্রাধিকারপ্রাপ্ত ব্যবহারকারী থেকে শুরু করে, শক্তি বিচ্ছিন্ন ধাপে বরাদ্দ করা হয় যতক্ষণ না তাদের উপযোগ লাভ হ্রাস পায় বা তাদের QoS সন্তুষ্ট হয়।
- সীমাবদ্ধতা পরীক্ষা: প্রতিটি বরাদ্দের পরে, মোট শক্তি সীমাবদ্ধতা $E_{total}$ পরীক্ষা করা হয়। যদি শক্তি অবশিষ্ট থাকে, প্রক্রিয়াটি পরবর্তী ব্যবহারকারীর সাথে চলতে থাকে।
- সমাপ্তি: অ্যালগরিদমটি থেমে যায় যখন $E_{total}$ নিঃশেষ হয়ে যায় বা সমস্ত ব্যবহারকারীকে সেবা দেওয়া হয়ে যায়।
3.2 অ্যালগরিদম জটিলতা
অ্যালগরিদমের জটিলতা হল $O(K \log K)$ যা K সংখ্যক ব্যবহারকারীর প্রাথমিক বাছাইয়ের কারণে, তারপরে একটি রৈখিক বরাদ্দ পাস অনুসরণ করে। এটি এটিকে অত্যন্ত স্কেলযোগ্য করে তোলে এবং নেটওয়ার্ক নিয়ন্ত্রকগুলিতে রিয়েল-টাইম বাস্তবায়নের জন্য উপযুক্ত করে তোলে, যা সম্পর্কিত কাজ যেমন [8] এ প্রস্তাবিত জটিল ডায়নামিক প্রোগ্রামিং বা কনভেক্স অপ্টিমাইজেশন সমাধানের বিপরীত।
4. সংখ্যাগত ফলাফল এবং কর্মক্ষমতা মূল্যায়ন
4.1 সিমুলেশন সেটআপ
কর্মক্ষমতা সিমুলেশনের মাধ্যমে মূল্যায়ন করা হয়। মূল প্যারামিটারগুলির মধ্যে রয়েছে: 500 মিটার ব্যাসার্ধের একটি সেল, এলোমেলোভাবে বিতরণ করা 20-50 জন ব্যবহারকারী, রেলেই ফেডিং চ্যানেল এবং মোট নবায়নযোগ্য শক্তি $E_{total}$ এর বিভিন্ন স্তর। উপযোগ ফাংশনগুলিকে রিয়েল-টাইম ট্র্যাফিকের জন্য সিগময়েডাল এবং বেস্ট-এফোর্ট ট্র্যাফিকের জন্য লগারিদমিক হিসাবে সংজ্ঞায়িত করা হয়েছে, যা নেটওয়ার্কিং অর্থনীতিতে ব্যবহৃত মডেলগুলির সাথে সামঞ্জস্যপূর্ণ।
4.2 ফলাফল বিশ্লেষণ
ফলাফলগুলি দুটি মূল আচরণ প্রদর্শন করে:
- অপ্রতুল শক্তি শাসন: যখন $E_{total}$ খুব কম থাকে, তখন অ্যালগরিদমটি প্রায় একচেটিয়াভাবে সেরা চ্যানেল লাভ সহ ব্যবহারকারীদের জন্য শক্তি বরাদ্দ করে। এটি ন্যায্যতা ত্যাগ করে কিন্তু মোট উপযোগ এবং নেটওয়ার্ক দক্ষতা সর্বাধিক করে, কারণ খারাপ চ্যানেল সহ ব্যবহারকারীদের সেবা দেওয়া মূল্যবান শক্তি নষ্ট করবে।
- পর্যাপ্ত শক্তি শাসন: $E_{total}$ বৃদ্ধির সাথে সাথে, অ্যালগরিদমটি মাঝারি চ্যানেল গুণমান সহ ব্যবহারকারীদের সহ আরও বেশি ব্যবহারকারীর QoS চাহিদা পূরণ করতে শুরু করে। সমস্ত ব্যবহারকারীর মূল QoS চাহিদা পূরণ হওয়ার পরে সামগ্রিক উপযোগ বৃদ্ধি পায় এবং স্যাচুরেট হয়।
5. মূল অন্তর্দৃষ্টি এবং বিশ্লেষকের দৃষ্টিভঙ্গি
মূল অন্তর্দৃষ্টি: এই গবেষণাপত্রের মৌলিক অবদান হল নবায়নযোগ্য শক্তি বরাদ্দকে একটি বিশুদ্ধ থ্রুপুট-সর্বাধিকীকরণ সমস্যা থেকে একটি উপযোগ-চালিত, QoS-সচেতন সম্পদ অর্থনীতি সমস্যায় পুনর্নির্মাণ করা। এটি স্বীকার করে যে একটি সবুজ নেটওয়ার্কে, শক্তি কেবল একটি খরচ নয় বরং প্রাথমিক দুষ্প্রাপ্য পণ্য। প্রকৃত উদ্ভাবন হল বরাদ্দকে সরাসরি ব্যবহারকারী-অনুভূত সন্তুষ্টি (উপযোগ) এর সাথে সংযুক্ত করা যা ভৌত বাস্তবতা (চ্যানেল অবস্থা) দ্বারা নিয়ন্ত্রিত, নেটওয়ার্ক অপারেটরদের জন্য একটি আরও সামগ্রিক এবং ব্যবহারিক নিয়ন্ত্রণ লিভার তৈরি করে।
যুক্তিসঙ্গত প্রবাহ: যুক্তিটি সঠিক: ১) নবায়নযোগ্য শক্তি সীমিত এবং অনিয়মিত। ২) ব্যবহারকারীর চাহিদা ভিন্নধর্মী। ৩) অতএব, সরবরাহ (শক্তি, চ্যানেল) এবং চাহিদা (QoS) উভয়ই বিবেচনায় নিয়ে বুদ্ধিমান বরাদ্দ প্রয়োজন। ৪) একটি উপযোগ ফাংশন বিনিময়কে সুন্দরভাবে পরিমাপ করে। ৫) একটি নিম্ন-জটিলতার হিউরিস্টিক এটিকে ব্যবহারিক করে তোলে। সমস্যা সংজ্ঞা থেকে সমাধানের প্রবাহটি সুসংগত এবং পূর্ববর্তী কাজের একটি স্পষ্ট ফাঁক মোকাবেলা করে যা প্রায়শই বিভিন্ন QoS প্রয়োজনীয়তাগুলিকে উপেক্ষা করত, যেমন লেখকরা সঠিকভাবে উল্লেখ করেছেন।
শক্তি ও ত্রুটি: শক্তি: উপযোগ তত্ত্বের একীকরণ শক্তিশালী এবং নেটওয়ার্ক অর্থনীতি থেকে ভালভাবে ধার করে। হিউরিস্টিকটি ব্যবহারিক—এটি স্বীকার করে যে রিয়েল-টাইম নেটওয়ার্ক নিয়ন্ত্রণে, একটি ভাল, দ্রুত সমাধান একটি নিখুঁত, ধীর সমাধানের চেয়ে ভাল। QoS পার্থক্যের উপর ফোকাস IoT, ভিডিও এবং মিশন-ক্রিটিক্যাল ট্র্যাফিকে পরিপূর্ণ আধুনিক নেটওয়ার্কগুলির জন্য গুরুত্বপূর্ণ। ত্রুটি: মডেলটি কিছুটা সরলীকৃত। এটি একটি একক সেল ধরে নেয়, স্মার্ট গ্রিডের মাধ্যমে সেলগুলির মধ্যে শক্তি সহযোগিতা এর সম্ভাবনাকে উপেক্ষা করে—যা অন্যরা যেমন Zhou et al. "Energy Cooperation in Cellular Networks with Renewable Powered Base Stations" (IEEE Transactions on Wireless Communications) এ অন্বেষণ করেছেন। উপযোগ ফাংশনগুলি পরিচিত বলে ধরে নেওয়া হয়; বাস্তবে, পরিষেবার ধরন অনুযায়ী এই ফাংশনগুলি সংজ্ঞায়িত করা এবং শেখা একটি গুরুত্বপূর্ণ চ্যালেঞ্জ। গবেষণাপত্রটিতে একটি শক্তিশালী ন্যায্যতা বিশ্লেষণেরও অভাব রয়েছে; অপ্রতুলতার অধীনে "দুর্বল-চ্যানেল ব্যবহারকারীদের ক্ষুধার্ত করা" কৌশল পরিষেবা-স্তরের চুক্তির জন্য সমস্যাযুক্ত হতে পারে।
কার্যকরী অন্তর্দৃষ্টি: টেলিকম অপারেটরদের জন্য, এই গবেষণা সফটওয়্যার-সংজ্ঞায়িত শক্তি নিয়ন্ত্রকের জন্য একটি নীলনকশা প্রদান করে যা 5G-অ্যাডভান্সড এবং 6G নেটওয়ার্কগুলিতে অপরিহার্য হবে। অবিলম্বে পদক্ষেপ হল বাস্তব সৌর/বায়ু ডেটা সহ একটি টেস্টবেডে এই অ্যালগরিদমটির প্রোটোটাইপ তৈরি করা। তদুপরি, অপারেটরদের তাদের ট্র্যাফিককে উপযোগ শ্রেণীতে শ্রেণীবদ্ধ করা শুরু করা উচিত। গবেষকদের জন্য, পরবর্তী পদক্ষেপগুলি স্পষ্ট: ১) মাল্টি-সেল সমন্বয় এবং শক্তি ভাগাভাগি অন্তর্ভুক্ত করা। ২) ব্যবহারকারীর অভিজ্ঞতা ডেটা থেকে গতিশীলভাবে উপযোগ ফাংশন শিখতে মেশিন লার্নিং একীভূত করা। ৩) শক্তি সঞ্চয় অবনতি খরচ অন্তর্ভুক্ত করতে মডেলটি প্রসারিত করা। এই কাজটি, "cycleGAN" দ্বারা ইমেজ-টু-ইমেজ অনুবাদে চক্র সামঞ্জস্য প্রবর্তনের মাধ্যমে আনা মৌলিক পরিবর্তনের মতো, সবুজ সম্পদ বরাদ্দ সমস্যার একটি নতুন শ্রেণীর জন্য একটি সামঞ্জস্যপূর্ণ কাঠামো (উপযোগ + সীমাবদ্ধতা) প্রবর্তন করে।
6. প্রযুক্তিগত বিবরণ এবং গাণিতিক প্রণয়ন
মূল অপ্টিমাইজেশনটি বিভাগ 2.3 এ সংজ্ঞায়িত করা হয়েছে। একটি OFDMA সাবক্যারিয়ারে একটি ব্যবহারকারীর জন্য অর্জনযোগ্য রেট $R_k$ সাধারণত নিম্নরূপ দেওয়া হয়: $$R_k = B \log_2 \left(1 + \frac{e_k \cdot h_k}{N_0 B}\right)$$ যেখানে $B$ হল একটি রিসোর্স ব্লকের ব্যান্ডউইথ, এবং $N_0$ হল নয়েজ স্পেকট্রাল ঘনত্ব। একটি বিলম্ব-সীমাবদ্ধ পরিষেবার জন্য উপযোগ ফাংশন একটি সিগময়েডাল ফাংশন হিসাবে মডেল করা যেতে পারে: $$U_k(e_k) = \frac{1}{1 + \exp(-a(R_k(e_k) - b))}$$ যেখানে প্যারামিটার $a$ এবং $b$ ফাংশনের খাড়াতা এবং কেন্দ্র নিয়ন্ত্রণ করে, যা QoS থ্রেশহোল্ড প্রতিফলিত করে। ইলাস্টিক ট্র্যাফিকের জন্য, একটি অবতল লগারিদমিক ফাংশন $U_k(e_k) = \ln(1 + R_k(e_k))$ প্রায়শই ব্যবহৃত হয়।
7. বিশ্লেষণ কাঠামো: উদাহরণ কেস
দৃশ্যকল্প: একটি বেস স্টেশনে 5 জন ব্যবহারকারী এবং $E_{total} = 10$ ইউনিট নবায়নযোগ্য শক্তি রয়েছে।
- ব্যবহারকারী 1 (ভিডিও কল): QoS: $R_{min}=2$ Mbps, চ্যানেল: চমৎকার ($h_1$ উচ্চ), উপযোগ: সিগময়েডাল।
- ব্যবহারকারী 2 (ফাইল ডাউনলোড): QoS: নেই, চ্যানেল: ভাল, উপযোগ: লগারিদমিক।
- ব্যবহারকারী 3 (IoT সেন্সর): QoS: $R_{min}=0.1$ Mbps, চ্যানেল: দুর্বল ($h_3$ নিম্ন), উপযোগ: ধাপ-সদৃশ।
- ব্যবহারকারী 4 এবং 5: অনুরূপ মিশ্র প্রোফাইল।
- প্রতিটি ব্যবহারকারীর জন্য অগ্রাধিকার স্কোর গণনা করুন (যেমন: $h_k \times (\text{প্রান্তিক উপযোগ})$)।
- ব্যবহারকারীদের বাছাই করুন: ধরা যাক ক্রম হল ব্যবহারকারী1, ব্যবহারকারী2, ব্যবহারকারী4, ব্যবহারকারী5, ব্যবহারকারী3।
- ব্যবহারকারী1 এর ভিডিও QoS পূরণ না হওয়া পর্যন্ত বরাদ্দ করুন (খরচ: 3 ইউনিট)। উপযোগ উচ্চ লাফ দেয়।
- ব্যবহারকারী2 এর জন্য বরাদ্দ করুন। প্রতিটি ইউনিট একটি ভাল উপযোগ লাভ দেয়। 4 ইউনিট বরাদ্দ করুন।
- অবশিষ্ট শক্তি = 3 ইউনিট। ব্যবহারকারী4 এর প্রয়োজনের আংশিকভাবে পূরণের জন্য বরাদ্দ করুন (খরচ: 3 ইউনিট)।
- শক্তি নিঃশেষ। ব্যবহারকারী 5 এবং 3 (দুর্বল চ্যানেল সহ) শূন্য বরাদ্দ পায়।
8. প্রয়োগের সম্ভাবনা এবং ভবিষ্যৎ দিকনির্দেশনা
স্বল্পমেয়াদী (1-3 বছর): ম্যাক্রো এবং মাইক্রো বেস স্টেশনের জন্য নেটওয়ার্ক শক্তি ব্যবস্থাপনা সিস্টেম (EMS) এ একীকরণ। এটি প্রাথমিকভাবে নবায়নযোগ্য শক্তি দ্বারা চালিত অফ-গ্রিড বা গ্রামীণ স্থাপনার জন্য বিশেষভাবে প্রাসঙ্গিক, যেমন GSM Association এর "Green Power for Mobile" প্রোগ্রামের প্রকল্পগুলিতে নথিভুক্ত করা হয়েছে।
মধ্যমেয়াদী (3-5 বছর): 6G ভিশন এর কেন্দ্রবিন্দু যা একীভূত সেন্সিং, যোগাযোগ এবং শক্তি। নেটওয়ার্কগুলি কেবল শক্তি ব্যবহার করবে না বরং এটি পরিচালনা এবং বিতরণ করবে। এই অ্যালগরিদমটি IoT ডিভাইসে ওয়্যারলেস পাওয়ার ট্রান্সফার নিয়ন্ত্রণ করতে বা মোবাইল নেটওয়ার্ক অবকাঠামো থেকে যান-থেকে-গ্রিড (V2G) শক্তি প্রবাহ পরিচালনা করতে বিকশিত হতে পারে।
ভবিষ্যৎ গবেষণার দিকনির্দেশনা:
- AI/ML একীকরণ: পূর্ব-সংজ্ঞায়িত উপযোগ মডেল ছাড়াই অত্যন্ত গতিশীল পরিবেশে সর্বোত্তম বরাদ্দ নীতি শিখতে ডিপ রিইনফোর্সমেন্ট লার্নিং (DRL) ব্যবহার করা।
- বহু-সম্পদ যৌথ বরাদ্দ: একটি একীভূত কাঠামোতে বর্ণালী, সময় এবং শক্তি সম্পদ যৌথভাবে অপ্টিমাইজ করা।
- বাজার-ভিত্তিক প্রক্রিয়া: নেটওয়ার্কের মধ্যে একটি রিয়েল-টাইম শক্তি বাজার বাস্তবায়ন করা যেখানে ব্যবহারকারী/এজেন্টরা তাদের প্রয়োজনের ভিত্তিতে নবায়নযোগ্য শক্তির জন্য বিড করে, ব্লকচেইন-ভিত্তিক মাইক্রোগ্রিড ধারণা দ্বারা অনুপ্রাণিত।
- মানকীকরণ: ওপেন RAN (O-RAN) আর্কিটেকচারে শক্তি-সচেতন নিয়ন্ত্রণ ইন্টারফেসের মানকীকরণের জন্য চাপ দেওয়া, যা তৃতীয় পক্ষের শক্তি ব্যবস্থাপনা অ্যাপ্লিকেশন (xApps) এর অনুমতি দেয়।
9. তথ্যসূত্র
- International Energy Agency (IEA). "Data Centres and Data Transmission Networks." IEA Reports, 2022. [অনলাইন]। উপলব্ধ: https://www.iea.org/reports/data-centres-and-data-transmission-networks
- Z. Zhou et al., "Energy Cooperation in Cellular Networks with Renewable Powered Base Stations," IEEE Transactions on Wireless Communications, vol. 13, no. 12, pp. 6996-7010, Dec. 2014.
- GSMA. "Green Power for Mobile: The Global M2M Association on Sustainability." GSMA, 2021.
- O. Ozel et al., "Transmission with Energy Harvesting Nodes in Fading Wireless Channels: Optimal Policies," IEEE Journal on Selected Areas in Communications, vol. 29, no. 8, pp. 1732-1743, Sept. 2011. (PDF-এ [8] হিসাবে উদ্ধৃত)
- J. Zhu et al., "Toward a 6G AI-Native Air Interface," IEEE Communications Magazine, vol. 61, no. 5, pp. 50-56, May 2023.
- J.-Y. Zhu, T. Park, P. Isola, A. A. Efros. "Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks." IEEE International Conference on Computer Vision (ICCV), 2017. (একটি মৌলিক কাঠামোগত পরিবর্তনের উদাহরণ হিসাবে উদ্ধৃত)।