Created
January 8, 2023 08:49
-
-
Save amizerov/c34af14d59dc8b2042b3b604972c090e to your computer and use it in GitHub Desktop.
Базовый блок | Введение в нейронные сети. Линейный слой (Dense) (Теория) | УИИ
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
| { | |
| "nbformat": 4, | |
| "nbformat_minor": 0, | |
| "metadata": { | |
| "colab": { | |
| "provenance": [], | |
| "toc_visible": true, | |
| "include_colab_link": true | |
| }, | |
| "kernelspec": { | |
| "name": "python3", | |
| "display_name": "Python 3" | |
| }, | |
| "language_info": { | |
| "name": "python" | |
| } | |
| }, | |
| "cells": [ | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "view-in-github", | |
| "colab_type": "text" | |
| }, | |
| "source": [ | |
| "<a href=\"https://colab.research.google.com/gist/amizerov/c34af14d59dc8b2042b3b604972c090e/-dense.ipynb\" target=\"_parent\"><img src=\"https://colab.research.google.com/assets/colab-badge.svg\" alt=\"Open In Colab\"/></a>" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "ujNe4uAVXAV_" | |
| }, | |
| "source": [ | |
| "**Содержание**:\n", | |
| "\n", | |
| "1. Теория\n", | |
| "2. [Практический ноутбук](https://colab.research.google.com/drive/1epqx5lPm2gNRHg6zSA-QwibysGZfV9-1?usp=sharing)" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "yJQuY23hBKFT" | |
| }, | |
| "source": [ | |
| "##Технология искусственного интеллекта (ИИ)" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "R5bMldtivHUn" | |
| }, | |
| "source": [ | |
| "**Привет!**\n", | |
| "\n", | |
| "Развитие искусственного интеллекта (ИИ) – главное, что происходит в наше время на планете. Сейчас и в ближайшем будущем ни одна из технологий по важности несопоставима с ИИ: ни беспилотные автомобили, ни антивозрастные препараты, ни даже квантовый компьютер. \n", | |
| "\n", | |
| "Восемь-десять тысяч лет назад самым важным было появление сельского хозяйства, чуть позже – изобретение колеса. Отмотайте время вперед, и увидите конвейеры, паровозы, станки, пароходы и так далее. Относительно недавно главным на планете было появление компьютеров и интернета. Сейчас говорят о четвертой промышленной революции, и ее основа – искусственный интеллект. \n", | |
| "\n", | |
| "Этот факт подтверждает то, что в теме ИИ все крупнейшие компании. Кто был в топ-5 капитализации мира лет 100 назад? Производственные компании. А кто был в топ-5 лет 25-30 назад? IT компании, типа «Майкрософт». А кто был в пятерке 5-10 лет назад? Интернет-компании. Кто же сейчас в топ-5? Из пяти – четверо полностью связаны с ИИ. \n", | |
| "\n", | |
| "Вы знаете, что Google весь в ИИ. Начиная с того, что вы обучаетесь именно на их библиотеках (Keras, Tensorflow), заканчивая тем, что у них вся выдача, реклама и другие технологии построены на ИИ. У Microsoft – собственные платформы и технологии в области ИИ, которые они активно продвигают. У Facebook – вся выдача, реклама, луки и лайки, в таргетинге и так далее. Все это на ИИ, и это основные деньги. \n", | |
| "\n", | |
| "«Амазон», «Амазон GO – магазины без касс. Одним магазином на 1 200 человек управляет нейронка: ставит планы, нанимает и увольняет людей. В «Амазоне» есть роботы, которые сами ездят и собирают товары. Apple же вообще уже пятый год массово скупает компании, которые разрабатывают ИИ. Самый богатый человек в мире – Илон Маск. И его «Тесла», весь автопилот построены на ИИ. Его компания OpenAI так и вовсе полностью посвящена разработке искусственного интеллекта. Весь мир фанатеет от ИИ! \n", | |
| "\n", | |
| "Сейчас ИИ задействован практически везде. Вы не найдете ни одной компании, в которой нельзя было бы его применить. Аутсорсинг по написанию ИИ завален заказами, и приходится отказываться от заказов, так как не хватает специалистов. Разработчиков дико не хватает: реализован только 1% проектов. В любой компании можно делать нейронные сети. \n", | |
| "\n", | |
| "Когда накопится большая база вопросов-ответов, именно нейронка будет отвечать на ваши вопросы. Она же может оценивать энергетику человека – насколько интересно и классно он рассказывает. Она же может анализировать, как продвигается вебинар по слайдам. На каком слайде люди выходят из чата, а на каком – нет. Можно придумать миллионы вариантов применения ИИ, но почти ничего и нигде не реализовано. Технологии по ИИ растут с дичайшей скоростью – примерно 2 раза в год. По статистике HeadHunter, год назад было 3 с небольшим вакансии, сейчас – 670-680 вакансий.\n", | |
| "\n", | |
| "\n", | |
| "---\n", | |
| "\n", | |
| "**Профессия разработчика ИИ – №1 в Китае и США. В России входит в топ-5, но плавно идет к первому месту.**\n", | |
| "\n", | |
| "---\n", | |
| "\n", | |
| "В ИИ идут по двум причинам. Первая – смена профессии. Причем полностью: в эту область приходят врачи, юристы, программисты, аналитики, дизайнеры, все, у кого есть желание. Даже школьники и преподаватели, заправщики, офисные работники. Это примерно 45% от общего числа абитуриентов. При этом кто-то хочет на постоянку, а кто-то – иметь частичную занятость по вечерам или выходным. Зарабатывать дополнительные деньги за проекты, при этом оставаясь в своей профессии.\n", | |
| "\n", | |
| "Вторая причина – это свой проект. Многие приходят из крупных компаний – X5, «Сбербанк», «Газпром», «Росатом». Компании приводят своих разработчиков и просто сотрудников, чтобы те сделали свой проект.\n", | |
| "\n", | |
| "\n", | |
| "В этом занятии вы попадете в захватывающий мир искусственного интеллекта (ИИ) и нейронных сетей (НС). Это полезные и интересные инструменты, помогающие людям во многих сферах: начиная с медицины и банковского сектора, заканчивая развлечениями и промышленностью." | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "kMqgG1eJBQyJ" | |
| }, | |
| "source": [ | |
| "## Виды и сферы применения ИИ" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "cKdySYTFDiRv" | |
| }, | |
| "source": [ | |
| "" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "vRKu1F32vdPC" | |
| }, | |
| "source": [ | |
| "Различают два вида искусственного интеллекта: сильный и слабый.\n", | |
| "* ***Сильный ИИ*** – разумное существо, которое, как вы видели в фильмах и читали в книгах, живет, осознает себя, чувствует, думает. В общем, имеет свое сознание и цели. И, если верить произведениям искусства, хочет уничтожить человечество. Но не бойтесь, он еще не скоро появится. Минимум лет через 30.\n", | |
| "* ***Слабый ИИ*** – не смущайтесь от этого слова, это прикладная программа, которая решает конкретную задачу. Такие как автопилот автомобиля Tesla, распознавание голоса при использовании «ОК Google» или «Привет, Siri», оценка стоимости квартиры, подсчет людей на стройке. Это конкретные нейронки, которые решают конкретные бизнес-задачи. Именно с ними мы и будем работать.\n", | |
| "\n", | |
| "Большинство заказчиков на создание ИИ – из бизнеса. В меньшей степени – это государство, иногда организации типа «Гринписа». В Университете искусственного интеллекта есть, например, нейронная сеть, которая ищет менеджеров по продажам. HR-нейронка шерстит весь HeadHunter и ищет подходящих для Университета менеджеров. Мы отдали ей 1 000 резюме, кто подошел, 1 000 тех, кто не подошёл, и теперь она сама ищет людей. Еще одна нейронка выравнивает документы для договорного отдела. Так как на курсы записывается много желающих, то нам присылают сканы договоров под различными углами и с различными артефактами. Раньше менеджеры вручную выравнивали сканы и объединяли в один PDF-файл. Сейчас нейронка делает это за них. \n", | |
| "\n", | |
| "В ближайшее время у нас появятся нейронки, которые сами будут делать речевую аналитику звонков. То есть определять, кто из менеджеров молодец, а кто – не очень. Нейронка расшифрует все общение с клиентом и переведет его в текст. Оставит сообщения менеджерам и проверит, правильно ли они говорили, по скрипту или нет, доволен ли клиент. Все в автоматическом режиме.\n", | |
| "\n", | |
| "На наших курсах вы будете изучать именно \"слабый\" ИИ, который позволит вам реализовать свои идеи практически в любых областях. С его помощью можно:\n", | |
| "* перенести стиль рисования Пикассо на картину Айвазовского;\n", | |
| "* научить робота держать равновесие и ходить;\n", | |
| "* определить болезнь по описанию симптомов;\n", | |
| "* улучшить качество старого видеофильма;\n", | |
| "* раскрасить черно-белые фотографии;\n", | |
| "* распознать данные на фото.\n", | |
| "\n", | |
| "Все это, а также многое другое, под силу ИИ.\n", | |
| "\n", | |
| "<h3><strong>Сферы применения</strong></h3>\n", | |
| "\n", | |
| "Почему ИИ относят в отдельную категорию, ведь есть программирование? Есть различные программы, такие как Zoom, Word, браузеры.\n", | |
| "\n", | |
| "Различают интеллектуальные и неинтеллектуальные задачи. \n", | |
| "\n", | |
| "***Неинтеллектуальные задачи*** – это последовательность действий, выполняемых по определенному алгоритму. Например, беседа по видеосвязи. При ней видеокамера захватывает изображение и передает ее в ПК, где оно сжимается, чтобы занимать меньше места, нарезается на кусочки и передается на роутер. Дальше через разные страны эти пакеты информации передаются в ПК, объединяются, декодируются, и собеседники видят картинку. Это очень сложная технология. Человечество тысячелетиями шло от добычи руды, разведения огня и до создания протокола IPv6 для интернета, чтобы освоить ее. Но это строго детерминированный алгоритм.\n", | |
| "\n", | |
| "Сейчас основная область применения ИИ – это ***интеллектуальные задачи***.\n", | |
| "\n", | |
| "Какие задачи можно назвать интеллектуальными? Один из студентов – фотограф, создал нейронку, которая определяет, эстетичен кадр или нет. Обычно, когда снимаешь постановочное фото, компоновка и все остальное получаются. Но когда снимаешь видео, компоновка никакая, все стоят как попало, освещение под неправильными углами. Но среди этих кадров есть и красивые. Вот как определить, красив кадр или нет? Определить эстетику кадра для фотографа — и есть интеллектуальная задача. И это может делать нейронка. Если вы дадите ей 10 тысяч красивых фотографий и 10 тысяч некрасивых, то она их все просмотрит и научится определять.\n", | |
| "\n", | |
| "Или возьмите запись голоса. Как определить, кто говорит, мужчина или женщина? Человек на слух может определить, хотя иногда это и сложно. Можно ли, посчитав количество высоких частот, сказать, что это женщина? Нет, это так не работает. Нет готового алгоритма, чтобы по аудиозаписи определить, мужчина это или женщина. Но если обучить нейронку на огромной базе, она научится это делать.\n", | |
| "\n", | |
| "Сейчас потрясающее время, когда машины стали способны решать интеллектуальные задачи. Раньше это было невозможно, и только люди с этим справлялись.\n", | |
| "\n", | |
| "По меркам развития человечества данная технология очень молода, у нее все впереди. Но развивается она стремительно, о чем говорят регулярные новости о разнообразном применении ИИ." | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "uOlv5e2kBY6y" | |
| }, | |
| "source": [ | |
| "## Жизненный цикл технологии" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "AXhB7-_PDkec" | |
| }, | |
| "source": [ | |
| "" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "CP6mViAQvqcM" | |
| }, | |
| "source": [ | |
| "У каждой технологии есть свой цикл жизни. По оценке экспертов, ИИ будет расти до 2050 года, то есть еще 29 лет. А к 2070 искусственный интеллект станет для человека частью жизни, как компьютеры и мобильные телефоны. Технология развивается со скоростью 1,5-2 раза в год. Это гигантский рост. Но он не продлится вечно. Придет время, когда технология устоится, и вперед выйдет что-то другое, возможно, генная инженерия. Именно поэтому в УИИ запустили курс по генной инженерии. Еще не поздно разобраться в этой технологии!" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "97s9fskIBiFY" | |
| }, | |
| "source": [ | |
| "##Нейронные сети. Биологическая и математическая модели нейрона" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "AbYketqvBhFg" | |
| }, | |
| "source": [ | |
| "Теперь перейдем к нейронкам. Что же это такое?\n", | |
| "\n", | |
| "Неотъемлемая часть ИИ – это нейронные сети. Чтобы понять, что это такое, рассмотрим, как работают нейроны в организме человека, ведь именно живой мозг стал основой данной технологии.\n", | |
| "\n", | |
| "Именно из биологической модели появилась математическая модель нейрона. Современная наука ушла гораздо дальше и смотрит на нейроны куда сложнее. Сейчас важно знать, как исследователи построили лежащую в основе нейронок математическую модель. Это было в середине XX века, когда нейробиологи смотрели на нейрон и видели его следующим образом:\n" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "1pwluf5FDmIk" | |
| }, | |
| "source": [ | |
| "" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "Oa14rtXlvyTm" | |
| }, | |
| "source": [ | |
| "Есть ядро нейрона и дендриты, по которым приходят сигналы от других нейронов. После того, как количество сигналов достигает определенной отметки, нейрон выстреливает импульс дальше по своим синапсам. Синапсы соединены с дендритами других нейронов. В среднем нейрон соединен с десятью тысячами других нейронов. \n", | |
| "\n", | |
| "В зависимости от активности нейрона может передаваться как весь импульс, так и его часть. Бывает, что в ответ на сигналы нейрон тормозится и импульс совсем не проходит. Возьмем, например, ассоциативное мышление. Если вам говорят «чашка», то в голове сразу возникают ассоциации – тарелка, чай, кофе, чаепитие, ложка. Так и работают нейроны: задействовав один, вы получаете реакцию других. \n", | |
| "\n", | |
| "В вашей голове каждый нейрон отвечает за что-то одно, например, за фотографию, за яблоко, за «Мерседес». Одни нейроны связаны друг с другом, другие – нет. Активизация нейронов «голоден», «яблоко» отправит множество сигналов в нейрон «взять», а он уже своей реакцией заставит руку взять яблоко. Это очень упрощенная модель работы нейронов. Так можно описать машину, как \"коробочку на колесиках, которая едет\".\n", | |
| "\n", | |
| "Например, есть нейрон опасности. Представьте, что вы гуляете по лесу и встречаете волка. Нейрон опасности распознает, что перед вами волк, вы одни в лесу, надо бежать. И отдает команду «бежать».\n", | |
| "\n", | |
| "Затем пришли математики Мак-Каллок, Питтс и физики, которые описали принципы работы нейронов на языке математики. Ниже представлена упрощенная математическая модель работы нейрона:" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "sTTZ9DykDn60" | |
| }, | |
| "source": [ | |
| "" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "v_1PdQeLv8WF" | |
| }, | |
| "source": [ | |
| "***Ячейка нейрона*** - это тело нейрона, где накапливается сигнал, ***входы*** **$Х$** – насколько активизировались нейроны, с которыми он связан, а ***веса (синапсы)*** – это насколько сильны связи.\n", | |
| "\n", | |
| "Выход ячейки нейрона (**$h$**) равен сумме произведений входов (**$X_1$,..,$X_n$**) и весов (**$w_1$, ..., $w_n$**). Формула выглядит так:\n", | |
| "\n", | |
| "$h$ = $X_1*w_1$ + $X_2*w_2$ + $X_3*w_3$ + $…$ + $X_n*w_n$\n", | |
| "\n", | |
| "Вход **$X_1$** умножаем на вес **$w_1$**, вход **$X_2$** умножаем на вес **$w_2$**, и так каждый вход умножаем на соответствующий ему вес. Полученные значения складывам и получаем результрующее значение **$h$**\n", | |
| " \n", | |
| "\n", | |
| "---\n", | |
| "\n", | |
| "**Факт**: вес – это сила связи между нейронами. Он определяет влияние входа на выход.\n", | |
| "\n", | |
| "---\n", | |
| "\n", | |
| "Отличие от оригинальной биологической модели в том, что ячейки нейронов могут иметь отрицательное значение, а веса имеют диапазон значений больше, чем [0…1].\n", | |
| "\n", | |
| "Зачем же нужны нейроны? Каждый такой нейрон – лакмусовая бумажка. Он отвечает за распознавание одного конкретного признака в данных. У вас есть данные, которые придут на вход, и один нейрон найдет признак во входных данных. То есть, если этот признак есть, нейрон выдаст дальше положительное значение, если признака нет – отрицательное, если ни да, ни нет – выдаст 0. Так же как в школе, когда использовали лакмусовую бумажку на реактивах, и она меняла цвет, если там был определенный тип вещества.\n", | |
| "\n", | |
| "Например, есть ли на фото машина. Берете нейрон, подаете в него данные, и он выдает положительное число, если машина есть. Берете нейрон и подаете картинку без машины, и он выдает отрицательное число, так как машины нет.\n", | |
| "\n", | |
| "\n", | |
| "Чтобы лучше разобраться, представьте, что нейрону на вход вы подаете температуру за три дня (позавчера, вчера, сегодня) и просите определить, растет ли температура. Возьмем, например, такие веса: **-3, 1, 2**. \n" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "eYyUj2v-Dp35" | |
| }, | |
| "source": [ | |
| "" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "hjotWS54wHNu" | |
| }, | |
| "source": [ | |
| "1. Если вы подадите на вход **+5, +7, +9**, то на выходе получите:\n", | |
| " \n", | |
| " $5*(-3)$ + $7*(1)$ + $9*(2)$ = $10$\n", | |
| " \n", | |
| " Это положительный результат, и температура и правда растет изо дня в день.\n", | |
| "2. Если подадите **+7, +7, +7**, на выходе получите:\n", | |
| "\n", | |
| " $7*(-3)$ + $7*(1)$ + $7*(2)$ = $0$\n", | |
| " \n", | |
| " Нейтральный результат, температура не меняется.\n", | |
| "\n", | |
| "3. Если подадите **+8, +6, +5**, на выходе получите:\n", | |
| "\n", | |
| " $8*(-3)$ + $6*(1)$ + $5*(2)$ = $-8$\n", | |
| " \n", | |
| " Отрицательный результат, температура изо дня в день действительно снижается.\n", | |
| "\n", | |
| "\n", | |
| "Это примитивный нейрон, но даже он уже может давать осмысленные результаты. Теперь посмотрим на более сложный нейрон, который ищет на картинке вертикальную белую палочку.\n" | |
| ] | |
| }, | |
| { | |
| "cell_type": "markdown", | |
| "metadata": { | |
| "id": "Wr_l6Nb3Drm7" | |
| }, | |
| "source": [ | |
| "![Интенсив 01-03.06. День #1. Введение в нейронные сети и машинное зрение (5).jpg](data:image/jpeg;base64,/9j/4AAQSkZJRgABAgAAAQABAAD/2wBDAAgGBgcGBQgHBwcJCQgKDBQNDAsLDBkSEw8UHRofHh0aHBwgJC4nICIsIxwcKDcpLDAxNDQ0Hyc5PTgyPC4zNDL/2wBDAQkJCQwLDBgNDRgyIRwhMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjIyMjL/wAARCAIcA8ADASIAAhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQAAAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWmp6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD3+iiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiis7W9csdA09ry+k2p0RF5Z29AKqEJTkoxV2xNqKuzRorxnVvidrV5KwsPLsYewVQ7ke5Ix+QFY6+NvEiPuGrz598EfkRXtQyHEyjeTSOKWPpp2SbPfqK8o0L4p3UcqQ61Cs0RODPEu119yvQ/hivUra5hvLaO5tpVlhkUMjqcgivOxWCrYV2qL59DppV4VV7rJaKKK5DUKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAa7pHG0kjKqKCWZjgADuTUFvqNjdyGO2vLeZwNxWKVWIHrgGpLq3S7tJraX/VzI0bY9CMGvGF0LxV4O1priwtJptuUWWGIyJIh9QOnbrXfg8JTxKknPlktk+phWqyptO10ex3Go2Vm4S5vLeByMhZZVUkevJqeORJY1kjdXRhlWU5BHqDXikui+LPGOsLPe2c0RICGWaIxJGo9AevU9MmvZbG0SwsLeziyY4IljUnuFGP6UYzCU8NGKU7ye6XQVGtKo3pZFiiiiuA6AooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACvCfHutSav4nuE3n7PaMYIl7DBwx/Eg/hivdq+btWjeLWb6OT763Eit9Qxr6Dh+nF1ZTe6WnzPPzCTUEu51vgLwVDryvqGo7vscb7EjU48xu+T1wPb+leiTeCPDc1uYTpUCDGAyZVh+IOao/DWaKXwXbIhG6KSRJMeu4n+RFddXJmONxDxMkpNJOys7GuHo01STte54D4u8NP4Z1f7OHMltKu+GRupHofcf4V1nwp1qTz7nRpXJjKmaHP8JBAYD65B/A0vxdmiM2lQAgyqsjkdwp2gfyP5Vh/DON38ZwsvRIZGb6Yx/MivblJ4rK3OrvZv5o4kvZYrlhtf8zU8d+KNa0vxVPa2WoSwwKiEIoGASoz2rm/+E48S/8AQWm/Jf8ACr3xK/5HW5/65x/+giuj+F2m2F9pF893ZW1wyzgAyxK5A2j1FEfq+HwMK06aei6LqD9pUruClbVnHf8ACceJf+gtN+S/4V1nw88Saxq3iN7e/v5J4Rbs4RgMZBXnge5qP4qafZWMelG0s7e33mXd5MSpuxtxnArO+Ff/ACNkn/Xo/wD6EtKr7CvgJV4U0rp9F6Dj7SGIUHK5vfEjxBquj6pZxafeyW6PCWYKByd3uKd8Ntf1XWL++j1C9kuFjiUqGA4OfYVl/Fr/AJDOn/8AXuf/AEI1keCvEMHhuPVbuUB5WhVYYv775P6dzWUMLGpli5IJya7a79y5VXHE6vT/AIB6B478XjQLP7HZuP7RnX5T18pf7x9/SvN4PG3iRriNW1aYguARhfX6Vj3M97rN/cXcpeedw0srY6AdT7ACoLb/AI+of98fzruwmW0aFHkklKXV2OeriZzndOyPpC/vrfTbGa8u5BHBEu52P+eteRa38TdWvpmTTSLG2zhcKGkYe5PT8PzNdB8WrySLTNPs1JCTys7477QMD/x79K4rwNo1vrfieG2uxut0RpXTON+Og/MivLyzB0IYZ4usr7/cv1OrE1pyqKlB2II/GXiOOTeusXRPozbh+R4rv/BnxCk1W7j0zVlRbiTiKdBgOfQjsfpXV6h4Y0fUdPazk0+3RCuEaOMK0Z9VIHFZ+geBNH0EpMI/tV2vPnzDO0+qjoP5+9ZYjHYGvRadO0ulrfmXToV6c1aV0Ynj3xfrWg6hHZ2UcUMUke9LgrvZvUAHgY/HtXASeMfEUr7m1i6B/wBl9o/IV6n4y1bwxaPbJrcIu7iE+ZFbou5hkY5GQMH0PXFc8fiXooiMC+HQYMY2HYAR9MYrowDtQjyYfmfV6a/eZ1177vUsYWj/ABI1zT51+2Si+t8/MkgAbHsw5z9c17Hp9/BqmnwXtq26GZAynv8AQ+46V866jNbXGo3E1nAbe3dyyRE52A9q9f8AhdK0nhDaxyI7l1X2GAf5k0s5wdKNFV4R5X1+YYKtNzcJO6PO7nxr4jS7mRdWmCq7ADC8DP0r2LwzdTXvhnTrm4kMk0kKs7nqTXz9ef8AH7cf9dG/nXY6X8S7/StLtrCOwtnSBAgZi2SB+NdOZZc61KKw8Ff5LoZYbEck26jNT4heJdY0nxIttYX8kEJt1bYoGMktzyPatX4aa3qWsx6kdRu3uDEY9m4D5c7s9PoK828R6/N4k1MX08McTiMR7YycYBPr9a7r4Q/6rV/96H/2essZhI0ct96KUklrp3XUujVc8To9NTO8beKtc03xdfWlnqMsMEfl7UUDAzGpPb1Jrrfhzqt9q+g3M+oXLTyrdFAzY4G1Tjj6mvOviH/yPWo/9sv/AEWtW9B8WDw94Jure2YHUbi6by/+ma7EG8/09/pVVsEquApqlFczUdbeXcUKzhXk5PRXOj8e+OZrC4GlaRPsuEObiZcHaf7g9/X8vWsLwn4s12/8U6fa3WpSywSSYdCBgjB9q4vy55o5bkq7orDzJDz8zZxk+pwfyrb8D/8AI6aX/wBdT/6Ca6ngKFDCSioptJ621vYy9vOdVO9tT2nX9etPDumNe3ZJ52xxr96RvQf415DqfxD8QajMTDc/Y4ifljgGCP8AgXUmtL4r3kkviG2tCT5UNuGA/wBpicn8gPyrE8JeIbLw5dy3dxppu5yAIm3hfL9SMg8njn/GuPLsDCnhlXcOeb1S/wCH0NsRXlKryc1khbbxt4lsJgTqUz46pcDeD+fP5V6l4P8AGMHieB4pEWC/iGZIweGH95fb27VwPinxxYeJdLNu+jtHcKQYpzKCU55HToRnisfwVdyWfjDTHjJG+YRMPUN8p/nWuJwUcRhpTlT5Jq/bp6E067p1FFS5kz36iiivkD1zxzxb4s12w8Vaha2upSxQRyAIgAwBtHtXc/D7U73VvDRub64aebz3Xe2M4AHHFeW+Of8AkdNU/wCuo/8AQRVvw548vPDmmGxgs4JUMhk3OTnJx6fSvrsRgPbYKCoxXNZdl07nkU6/JXbm9NTtPiXrepaMmmHTrt7fzTLv2gfNjbjr9TWX8PPEmsat4je3v7+SeEW7OEYDGQV54Hua5XxR4uufFItRcW0MP2fft8snndjrn6Vq/Cv/AJGyT/r0f/0Jal4JUctkqkVzpPt37j9s54lOL0PRfFfiy28MWSsy+ddy58mEHGfcnsP515Re+O/EmoTEi/khBPyx242AflyfxNL4/vJLvxnfBydsJWJB6AAf1JP41Y8I+LrHwxbS7tKNxdyNzP5gBC9lHBwKrCYGFDDKoqfPN2fTr67Cq13UquLlypENh4+8R6dOC961wgPzRXK7s/j1H51634Z8SWvibTftMA8uVDtmhJyUb+oPY15P4v8AFVj4nSGSPSzbXcbczeYG3JjoeB3xj8fWrfwuu5IPFZgBPl3EDBh2yOQf0P51GOwUKuFdZ0+Sa16foVQruFVQ5uZM0fH3ibWdK8TvbWN/JDCIkYIoGMkc9RW98NtZ1DWLG+fULp7ho5VClgOBj2ri/ib/AMjjJ/1wj/lR4X8Up4a8M6l5WGvp5VWBD2+Xlj7D9TRPBxq5dBU4Lmaj0/UFWccQ+Z6K51vj/wAavpRGl6XNtvThppRg+UOwHuf0H1rk/D/jDxBd+I9Nt59TmeGW5jR1IXBBYZHSuUYXN4bi6bfKVO+aQ88k4yT7k1f8Lf8AI16T/wBfcX/oQrshl9ChhnCybSd3brYxliJzqp3sj1j4jarfaR4ft7iwuGgla6VCy4yV2Occ/QV51Y/EHxBaXBllvGuRsIEcoG3JHBOBziu5+LH/ACK1r/1+p/6A9ea+FdLi1nxNY2E+fJkclwDjKqpYj8cYrjyulQeBc6sU7XvprZG2KnP2/LF9iabxp4jnmMravcqc9Ebav5Diul8M/Eu9huo7bW3E9s52+ftAeP3OOo/X616LP4a0a4sDZPptsISu0BYwpX3BHIPvXgGoWv2HUrq03bvImeLd67SRn9K0ws8HmMZU/Z8tvT8LE1VWw7Uua9z6OnuoLa0e6mlVIEQu0hPAXGc15Lr/AMTtRu53i0jFpbA4EhUNI49eeB/nmptZ1a4k+EmkIWOZpfJc+qIWwP8Ax1fyrlvCWlQ614nsrG4z5LsWcA4yFUtj8cYrny/L6NKE61dX5W/wNMRiJzcYQ0vb8Ry+MfESSbxrF1n3fI/I8V2Phf4mzPcx2eu7Cjnat0o27T/tAcY9xjFd3c+GtGurBrJ9NtlhK7RsjClfcEdDXz9e232O/uLXdu8mVo8+uCR/St8PLCZlGUPZ8rXoZ1FWwzT5rnvfi68uLDwpf3VpKYp40BR16j5hXk+meM/EU2q2cUmqzMjzorKQvILDPauzlvJL74MmeUkv9nCEnqdsm3+leT2s7Wt3DcKAzRSK4B6Eg5qMqwkPZVITim1JrbyKxVV88WnZNJn0xXhuq+M/EUGsXsMWqTLHHPIqqAvADEAdK1/+Ftal/wBA20/76b/GuDu7hru8nuWUK00jSEDoCTmjK8snRlJ4iKd9tmGKxUZpezZ7x4Svry/8HWd5O/2i7dHOXON5DMACccdAK8w1X4h+JLi4kjEy2IVipiiQAqR2JOTmvSfAbBfA2nMxAUI5JPQfO1c1feLvB2m6tc3Nppf267lfdJOEG0t32lun4DmuLCKMcVVXsefV28tX30RtVu6UHz20OITxj4ijfeusXRP+0+4fkeK7rwZ8Q59Rvo9M1gIZZTtiuFG3c3ow6c9iKxPEPjbR9e0qW1bQzHOR+6m3LlG/AdPauKtJWgvIJkOHjkVlPoQc17EsJTxVFqpS5JdNvzRxqtKlNcs7o+l6KKK+JPbCiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACvIfiV4ZltNSbWraMta3BHnbR/q36ZPsf559q9epskcc0TRSorxuNrKwyCPQiuzBYyWEq+0jr3XkY16Kqw5WeA+GfFV94YunktwssEmPNgc8NjuD2PvXaTfFyP7OfI0h/OI/jmG0H8Bk/pWjq3wt0q9laWxuJbFm5KAb0/AEgj86x1+EU2/59ZjCeotyT/wChV71TEZViX7Wro/n+hwRp4qkuWO3yOC1XVbvWtRkvr2TfNJ6DAUdgB2FerfDfwzLpNhJqV5GUurpQERhykfXn3J5x7Cr+hfD7RtFlS4ZXvLleVkmxhT6hen55rq648xzWFWn7DDq0f60RthsLKMvaVNzxD4lf8jrc/wDXOP8A9BFdb8Jf+QNf/wDXwP8A0EVe8R/D2LxDrMmovqLwF1VdgiDYwMdc1q+FfDCeF7Oe3S6a4Esm/cybccYx1NPEY6hPL40Iv3kl0fQVOhUjiHNrTU5L4vf6rSP96b/2SsX4V/8AI2Sf9ej/APoS16F4s8JR+KltFe8a3+zlyNse7dux7j0qn4Y8BxeGtVa+TUHuCYjHsMQXqQc5yfSnSx1COXOg371npZ9wnQqPE+0S00OV+LX/ACGdP/69z/6Ea8+ijeaVIokZ5HYKqqMkk9AK9x8VeCY/FF5BcPfPbmGMptWPdnnPqKh8NfD6y8P6ib57lruZRiLfGFEZ7nqcmujCZth6GEjG95Jba/mZ1cJUqVm+jM2Hwonhv4e6q0wVtQntmMz9do7IPYfqfwrym2/4+of98fzr6L1bTxquk3Vg0hjFxGULgZ2574rhY/hLBHKj/wBryHaQceQP/iqzy7NKcYzliJe9J32fYrEYWTcVTWiNT4k6JLqvh9bi2QvNZuZNoGSUI+bH5A/hXk+hazPoGrw6hbqHaPIZCeHU8EV9F1x2t/DjR9Wme4gL2M7HLGIAoT6lf8MVhluZUqVJ4fEL3X+u6NMThpSl7SnuYuofFiB9PZbCwmS7ZcBpSNqH146/pUfgzx9qt9qVvpV7b/bDKdomT5XQdy3YgD6fjTo/hCok/ea0Snottgn/AMers/D/AIW0zw3EwsomaZxh55Dl29vYewqsRVyynRlCjHmb9dPmxU4YmU05uyPFvFxnPi7VftGd/wBpfGf7ufl/8dxXWeEr7wTb+HkGqxWxvlLGbz4DIW5ONvB4xjpXY+JfBGm+JJBcSM9vdgbfOjAO4dtw7/oa5mD4RRiYG41h3iB5WODax/EscflXT/aGEr4aNOpNwattfp8noZfV6tOo5RSd+557rV1aXus3VxY2629q7/uolUKFXp0HT1/GvVvhX/yKcv8A19v/AOgrUOo/Cywu7lXtr17WJUVBGIt3QdSc8k9a6Twv4eTw1pTWKXLXAaUy7ym3qAMYyfSscxzDDVsIqdN66aO/5l4fD1IVXKSPArz/AI/bj/ro3869R8P/AA90PUvD9je3AufOmiDvtlwMn8KSb4TQSzSSf2vIN7FseQOMn/erutI08aVpNrYLIZBBGEDkY3Y74q8xzWEqUVhpu/XdCw+Fak3UjoeJ+N9Es/D+vLZ2XmeUYFf942Tkk/4V1vwh/wBVq/8AvQ/+z1ueJ/AUXiXVRfPqDwERCPYIg3Qk5zketXPCfhKPwql2qXjXH2goTuj27dufc+tRiMxpVcv9k5XnZd+66jp4ecMRzJe6eXfEP/ketR/7Zf8AotawtN0651bUIbG0j3zStgDsPUn2Fet+IPhzFr2t3GpNqTwmbb+7EQbGFC9c+1afhbwdZ+F1meOU3FzLwZmXaQv90Dt/n0rpjnFCjhIxg7zSStZ72M3g5zqtva5zHjHQbbw78PILK3GW+1I0smOZH2tk/wCe1cb4H/5HTS/+up/9BNeyeJ/D6eJdKFi9w0AEok3hN3QHjGR61zui/DWHRtYttQXU3lMDbghhAzwR1z71zYXMqSwk4VZe/K/R9UaVcNN1ouC0VjM+KuiTSNbazChaNE8mfA+7ySp/Uj8q4vwzrVlo967ahpdvqFtKAGWWNWZCO67h+nevoCSNJomjlRXjcFWVhkEehFcNqnws0q8laWxuJbIsclAPMQfQEgj86nAZnRVD6vidu/8Aw2o6+Fn7T2lMxb3xp4PS2Y2XheCScj5RNaRIoPuRk10fg688O6/bJcQaRp9tqNvgyIlugZD2ZTjOP5Viw/CJBJmfWWZPRLfaT+JY122heG9N8O27RWEJDP8Aflc5d/qf6Dis8ZWwSo8tCUnL1f43KowrOd6iSXyNaiiivDO48D8c/wDI6ap/11H/AKCK6XwR4K0nX9AN7eifzRMyfJJgYAHt71u638NYdZ1i51FtTeIztuKCEHHAHXPtXQ+GfD6eG9JNglwZwZDJvK7euOMZ9q+kxOaU/qcYUZtTVu/bU82nhZe2cprTU8x8f+FtO8Nrp5sPO/fmTf5j7vu7cY49zS/Cv/kbJP8Ar0f/ANCWvQvFnhGPxULQPeNb/Z9+Nse7dux7j+7VPwx4Di8Naq18moPcExGPYYgvUg5zk+lJZnSngHSqSvNp9+/cf1aSxClFe6cV8TdEmstfOpqhNteAHcBwrgYIP1xn8/Ss7wr4h0rSVkt9X0a3voXbcspgR5EPp83UfjxXt95Z22oWslrdwpNBIMMjjINcHf8Awm0+aUvY6hNbKedjoJAPpyD+eaMJmdCeHVDE3Vuqv8ttQq4WpGp7SkZGpeNPCywgaZ4WtJJSeTcWsaqB9Bkn9K7nwxJ4f1Szj1PSdPs7eUDa4jgRXjPdSQP/ANdcva/CO3WQG71aSRO6xQhD+ZJ/lXd6VpFjolkLSwgWKIcnuWPqT3NcuPrYP2Shh5Nv1f43NKEK3NeolY8h+Jv/ACOMn/XCP+VcrZWdxqF5FaWsZknlbaijua9j8SfD+LxFq7ag+ovASipsEQbp75q34W8EWfhmaW4EzXVy42rI6Bdi9wBz19a9Glm9CjhIxi7zSWlnuc88JUnVbezZgeIPDlv4a+Gdxax4ed3iaeXH323D9B2/+vXn/hb/AJGvSf8Ar7i/9CFe5eItFXxBo0unPOYBIyneF3Ywc9PwrldM+F8Om6pa3w1WSQ28qyhDCBuwc4zmsMFmVKOHmq0vek30fVGlbDSdSLgtFYk+LH/IrWv/AF+p/wCgPXlGl6jPpOp29/b482B9wB6H1B9iMivV/ix/yK1r/wBfqf8AoD15x4R0+21XxRZ2N2heCbeGAOD9xiOfqBXZlMoxy9ymrpXv6GOLTeISW+h3Vx8WrY2BNvpswvCvAdh5an1yOT+Qry9jNeXROGlnmfPAyWYn+ZJr02f4RRNMTb6w6RE8LJAGYfiGGfyrovDvgPSvD8wuRvursdJZQMJ/ujt+prGnjsvwcG8Pq301/UuVDEVpJVNkZmseEZ2+G1rpkSb7yyAn2Lzubkuo9fvNj1wK8r0rUp9G1W3v7fHmwPuAboexB+oyK+kK5PXvh9o+uTPcqHtLpjlpIcYY+pXp+WK5MvzWMFKniFdSbf37/I1xGEbtKnujCufi1bGwb7Lp0wvCuAJGGxT65HJ/IV5lHHcaherHGrTXM74AHJZia9IX4QjzPm1olPQW2D/6FXXeH/Buk+HT5ltG0tyRgzzHLfh2H4V1Qx+AwcJfVtW/X9TJ0MRWa9rokZmt6Z/Y/wALJ9PyC0NuoYjoWLAt+pNePafAlzqVrBJnZLMiNjrgkA19Ca3pa61o1zpzSmITqFLhc45B6fhXF2nwpgtbyC4GrSMYpFfb5AGcHOPvVjluZUaVKftZWk23s+qLxOGnOceRaJGj/wAKv8O+l3/3+/8ArV49qUCWuqXdvHnZFM6Lk84DECvpSvPLz4VQXl9cXJ1aRTNI0m3yAcZOcdanLM05JS+szdum7HicLzJeyiJCZx8FCbfO/wAhs4/u+ad3/jua8v09rVdRtmvVZrQSqZlXqUzzj8K+gdF0ePSNCg0ov9ojjVlLOuNwJJOR+NcjqfwpsLm4aXT76S0VjnymTzFH05BA/OtMDmeHpzqxm7KUm0/X8Sa+GqSUXHdJKxn+I9W8ER6BPFpdpZy3cseyIx22Cmf4ixHGPzrzWP8A1qf7wr13S/hZYWbNJd3j3cu0hB5e1FJHXGTnH1qqvwjgVg39sScHP+oH/wAVXThcwwWHTgpt+bu/0M6uHr1GpOKXoekUUUV8kesFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUVBe3tvp9nLd3cqxQRDLu3QU0m3ZA3bVk9Fcefib4bBI864PuITSf8LN8Of8APW5/78muv+z8V/z7f3GP1il/MjsaK47/AIWb4c/563P/AH5NH/CzfDn/AD1uf+/Jo/s/Ff8APt/cH1il/MjsaK47/hZvhz/nrc/9+TR/ws3w5/z1uf8AvyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/AJ63P/fk0f8ACzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/563P8A35NH/CzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/wCFm+HP+etz/wB+TR/ws3w5/wA9bn/vyaP7PxX/AD7f3B9YpfzI7GiuO/4Wb4c/563P/fk0f8LN8Of89bn/AL8mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/wCetz/35NH/AAs3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP+etz/AN+TR/ws3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv8AhZvhz/nrc/8Afk0f8LN8Of8APW5/78mj+z8V/wA+39wfWKX8yOxorjv+Fm+HP+etz/35NH/CzfDn/PW5/wC/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP8Anrc/9+TR/wALN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/nrc/wDfk0f8LN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/AIWb4c/563P/AH5NH/CzfDn/AD1uf+/Jo/s/Ff8APt/cH1il/MjsaK47/hZvhz/nrc/9+TR/ws3w5/z1uf8AvyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/AJ63P/fk0f8ACzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/563P8A35NH/CzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/wCFm+HP+etz/wB+TR/ws3w5/wA9bn/vyaP7PxX/AD7f3B9YpfzI7GiuO/4Wb4c/563P/fk0f8LN8Of89bn/AL8mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/wCetz/35NH/AAs3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP+etz/AN+TR/ws3w5/z1uf+/Jo/s/Ff8+39wfWKX8yLnjfw9d+JdGhs7OSCORLhZSZmIGArDsDz8wrmfC/w81bRPEdpqNzcWTwwliyxu5Y5UjjKj1ra/4Wb4c/563P/fk0f8LN8Of89bn/AL8mu2l/aNKi6Eab5Xfp3MZfV5TU3LX1Oxorjv8AhZvhz/nrc/8Afk0f8LN8Of8APW5/78muL+z8V/z7f3G31il/MjsaK47/AIWb4c/563P/AH5NH/CzfDn/AD1uf+/Jo/s/Ff8APt/cH1il/MjsaK47/hZvhz/nrc/9+TR/ws3w5/z1uf8AvyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/AJ63P/fk0f8ACzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/563P8A35NH/CzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/wCFm+HP+etz/wB+TR/ws3w5/wA9bn/vyaP7PxX/AD7f3B9YpfzI7GiuO/4Wb4c/563P/fk0f8LN8Of89bn/AL8mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/wCetz/35NH/AAs3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP+etz/AN+TR/ws3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv8AhZvhz/nrc/8Afk0f8LN8Of8APW5/78mj+z8V/wA+39wfWKX8yOxorjv+Fm+HP+etz/35NH/CzfDn/PW5/wC/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP8Anrc/9+TR/wALN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/nrc/wDfk0f8LN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/AIWb4c/563P/AH5NH/CzfDn/AD1uf+/Jo/s/Ff8APt/cH1il/MjsaK47/hZvhz/nrc/9+TR/ws3w5/z1uf8AvyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/AJ63P/fk0f8ACzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/563P8A35NH/CzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/wCFm+HP+etz/wB+TR/ws3w5/wA9bn/vyaP7PxX/AD7f3B9YpfzI7GiuO/4Wb4c/563P/fk0f8LN8Of89bn/AL8mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/wCetz/35NH/AAs3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP+etz/AN+TR/ws3w5/z1uf+/Jo/s/Ff8+39wfWKX8yOxorjv8AhZvhz/nrc/8Afk0f8LN8Of8APW5/78mj+z8V/wA+39wfWKX8yOxorjv+Fm+HP+etz/35NH/CzfDn/PW5/wC/Jo/s/Ff8+39wfWKX8yOxorjv+Fm+HP8Anrc/9+TR/wALN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/nrc/wDfk0f8LN8Of89bn/vyaP7PxX/Pt/cH1il/MjsaK47/AIWb4c/563P/AH5NH/CzfDn/AD1uf+/Jo/s/Ff8APt/cH1il/MjsaK47/hZvhz/nrc/9+TR/ws3w5/z1uf8AvyaP7PxX/Pt/cH1il/MjsaK47/hZvhz/AJ63P/fk0f8ACzfDn/PW5/78mj+z8V/z7f3B9YpfzI7GiuO/4Wb4c/563P8A35NdJperWWtWS3lhOJYScZwQQfQg9DWVXC16S5qkGl6FRqwm7Rdy7RRRWBoFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABXH/ABNJHg2XB6zR5/Ouwrjvib/yJsn/AF3j/nXZl/8AvVP1RjiP4UvQ8i0fR7vXb8WVkEMxUsA7YGB710X/AArLxH/zytv+/wAKPhl/yOMf/XCT+Ve2V7+aZpXwtf2dO1rX1ODC4WFWHNI8T/4Vl4j/AOeVt/3+FH/CsvEf/PK2/wC/wr2yivO/t7Fdl93/AATo+oUvM8T/AOFZeI/+eVt/3+FH/CsvEf8Azytv+/wr2yij+3sV2X3f8EPqFLzPE/8AhWXiP/nlbf8Af4Uf8Ky8R/8APK2/7/CvbKKP7exXZfd/wQ+oUvM8T/4Vl4j/AOeVt/3+FH/CsvEf/PK2/wC/wr2yij+3sV2X3f8ABD6hS8zxP/hWXiP/AJ5W3/f4Uf8ACsvEf/PK2/7/AAr2yij+3sV2X3f8EPqFLzPE/wDhWXiP/nlbf9/hR/wrLxH/AM8rb/v8K9soo/t7Fdl93/BD6hS8zxP/AIVl4j/55W3/AH+FH/CsvEf/ADytv+/wr2yij+3sV2X3f8EPqFLzPE/+FZeI/wDnlbf9/hR/wrLxH/zytv8Av8K9soo/t7Fdl93/AAQ+oUvM8T/4Vl4j/wCeVt/3+FH/AArLxH/zytv+/wAK9soo/t7Fdl93/BD6hS8zxP8A4Vl4j/55W3/f4Uf8Ky8R/wDPK2/7/CvbKKP7exXZfd/wQ+oUvM8T/wCFZeI/+eVt/wB/hR/wrLxH/wA8rb/v8K9soo/t7Fdl93/BD6hS8zxP/hWXiP8A55W3/f4Uf8Ky8R/88rb/AL/CvbKKP7exXZfd/wAEPqFLzPE/+FZeI/8Anlbf9/hR/wAKy8R/88rb/v8ACvbKKP7exXZfd/wQ+oUvM8T/AOFZeI/+eVt/3+FH/CsvEf8Azytv+/wr2yij+3sV2X3f8EPqFLzPE/8AhWXiP/nlbf8Af4Uf8Ky8R/8APK2/7/CvbKKP7exXZfd/wQ+oUvM8T/4Vl4j/AOeVt/3+FH/CsvEf/PK2/wC/wr2yij+3sV2X3f8ABD6hS8zxP/hWXiP/AJ5W3/f4Uf8ACsvEf/PK2/7/AAr2yij+3sV2X3f8EPqFLzPE/wDhWXiP/nlbf9/hR/wrLxH/AM8rb/v8K9soo/t7Fdl93/BD6hS8zxP/AIVl4j/55W3/AH+FH/CsvEf/ADytv+/wr2yij+3sV2X3f8EPqFLzPE/+FZeI/wDnlbf9/hR/wrLxH/zytv8Av8K9soo/t7Fdl93/AAQ+oUvM8T/4Vl4j/wCeVt/3+FH/AArLxH/zytv+/wAK9soo/t7Fdl93/BD6hS8zxP8A4Vl4j/55W3/f4Uf8Ky8R/wDPK2/7/CvbKKP7exXZfd/wQ+oUvM8T/wCFZeI/+eVt/wB/hR/wrLxH/wA8rb/v8K9soo/t7Fdl93/BD6hS8zxP/hWXiP8A55W3/f4Uf8Ky8R/88rb/AL/CvbKKP7exXZfd/wAEPqFLzPE/+FZeI/8Anlbf9/hR/wAKy8R/88rb/v8ACvbKKP7exXZfd/wQ+oUvM8T/AOFZeI/+eVt/3+FH/CsvEf8Azytv+/wr2yij+3sV2X3f8EPqFLzPE/8AhWXiP/nlbf8Af4Uf8Ky8R/8APK2/7/CvbKKP7exXZfd/wQ+oUvM8T/4Vl4j/AOeVt/3+FH/CsvEf/PK2/wC/wr2yij+3sV2X3f8ABD6hS8zxP/hWXiP/AJ5W3/f4Uf8ACsvEf/PK2/7/AAr2yij+3sV2X3f8EPqFLzPE/wDhWXiP/nlbf9/hR/wrLxH/AM8rb/v8K9soo/t7Fdl93/BD6hS8zxP/AIVl4j/55W3/AH+FH/CsvEf/ADytv+/wr2yij+3sV2X3f8EPqFLzPE/+FZeI/wDnlbf9/hR/wrLxH/zytv8Av8K9soo/t7Fdl93/AAQ+oUvM8T/4Vl4j/wCeVt/3+FH/AArLxH/zytv+/wAK9soo/t7Fdl93/BD6hS8zxP8A4Vl4j/55W3/f4Uf8Ky8R/wDPK2/7/CvbKKP7exXZfd/wQ+oUvM8T/wCFZeI/+eVt/wB/hR/wrLxH/wA8rb/v8K9soo/t7Fdl93/BD6hS8zxP/hWXiP8A55W3/f4Uf8Ky8R/88rb/AL/CvbKKP7exXZfd/wAEPqFLzPE/+FZeI/8Anlbf9/hR/wAKy8R/88rb/v8ACvbKKP7exXZfd/wQ+oUvM8T/AOFZeI/+eVt/3+FH/CsvEf8Azytv+/wr2yij+3sV2X3f8EPqFLzPE/8AhWXiP/nlbf8Af4Uf8Ky8R/8APK2/7/CvbKKP7exXZfd/wQ+oUvM8T/4Vl4j/AOeVt/3+FH/CsvEf/PK2/wC/wr2yij+3sV2X3f8ABD6hS8zxP/hWXiP/AJ5W3/f4Uf8ACsvEf/PK2/7/AAr2yij+3sV2X3f8EPqFLzPE/wDhWXiP/nlbf9/hR/wrLxH/AM8rb/v8K9soo/t7Fdl93/BD6hS8zxP/AIVl4j/55W3/AH+FH/CsvEf/ADytv+/wr2yij+3sV2X3f8EPqFLzPE/+FZeI/wDnlbf9/hR/wrLxH/zytv8Av8K9soo/t7Fdl93/AAQ+oUvM8T/4Vl4j/wCeVt/3+FH/AArLxH/zytv+/wAK9soo/t7Fdl93/BD6hS8zxP8A4Vl4j/55W3/f4Uf8Ky8R/wDPK2/7/CvbKKP7exXZfd/wQ+oUvM8T/wCFZeI/+eVt/wB/hR/wrLxH/wA8rb/v8K9soo/t7Fdl93/BD6hS8zxP/hWXiP8A55W3/f4Uf8Ky8R/88rb/AL/CvbKKP7exXZfd/wAEPqFLzPE/+FZeI/8Anlbf9/hR/wAKy8R/88rb/v8ACvbKKP7exXZfd/wQ+oUvM+d9d8O3/h2aKK/WNXlUsux93AOK9E+EhP8AZOojPHnrx/wGsv4t/wDIU07/AK4N/wChVp/CT/kFaj/13X/0GvRxlaVfK/aT3dvzOejBQxXKv60PRaKKK+UPVCiiigAooooAKKKKACiiigAooooAKKKZKSsTEcEUAPoqh50n980edJ/fNOwrl+uO+Jv/ACJsn/XeP+ddF50n9801pGddrncPQjNbYer7GrGpa9ncipHng49zyT4Zf8jjH/1wk/lXtlZi4RtyKqn1CgVJ50n981vj8X9bq+0tbSxGHpeyhy3uX6KoedJ/fNHnSf3zXFY2uX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6KoedJ/fNHnSf3zRYLl+iqHnSf3zR50n980WC5foqh50n980edJ/fNFguX6Kht2Z4yWOTmpqQwooooAKKKKAPJ/i3/AMhTTv8Arg3/AKFWn8JP+QVqP/Xdf/QazPi3/wAhTTv+uDf+hVp/CT/kFaj/ANd1/wDQa+mq/wDInX9dTzI/74/66HotFFFfMnphRRRQAUUUUAFFFFABRRRQAUUUUAFRz/6lvpUlRz/6lvpQBQoooqiQooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACqFu99cI7ie2VRLIigwMThXKjnf6Cr9VNO/wCPZ/8ArvN/6MagBfLv/wDn5tv/AAHb/wCLqG7bULeynnW4tSY42cA27c4Gf79VRql3/agQrD9kN0bUDB35Ee7dnOMcYxitDU/+QTef9cH/APQTQAipflQftNtyP+fdv/i6Xy7/AP5+bb/wHb/4urKfcX6VjWuqXU2oIsiw/ZpXlRAoO9dhxknODn6UAWbl9Rg8nFxanfIEObduOD/t+1T+Xf8A/Pzbf+A7f/F02/62v/Xdf5GrFxL5FtLNjOxC2PXAzQBD5d//AM/Nt/4Dt/8AF1BI+opdwwi4tcSBsn7O3GB/v1HpV/dXMzxXQhJ8tZVMQIwD2OSeasz/APITtPo/8qAHeXf/APPzbf8AgO3/AMXR5d//AM/Nt/4Dt/8AF03U7qSzsmkhCmQsFXf0BJ703TLqa5imW48vzYZTGxjBCtjHIB6daAGRvqL3k8JuLXEaoQfs7c5z/t+1T+Xf/wDPzbf+A7f/ABdNg/5Ct5/uR/8As1Rand3MMlvBaeUJZmb5pQSAApPQEelAE/l3/wDz823/AIDt/wDF0thNLPab5ihkEjoSilQdrkDgk9h60afcm80+3uWUK0iBiB0Bpmmf8ebf9dpv/RjUAXKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigC5a/6o/Wp6gtf9UfrU9SUFFFFABRRRQB5P8AFv8A5Cmnf9cG/wDQq0/hJ/yCtR/67r/6DWZ8W/8AkKad/wBcG/8AQq0/hJ/yCtR/67r/AOg19NV/5E6/rqeZH/fH/XQ9Fooor5k9MKKKKACiiigAooooAKKKKACiiigAqOf/AFLfSpKjn/1LfSgChRRRVEhRRRQAUUUUAFc3d+PvCtjdy2l1rVvFPCxSRCGypHUdK6SvkLx1/wAj5rn/AF+yf+hUAfSf/CyfB3/Qetvyb/Cj/hZPg7/oPW35N/hXyZRQB9Z/8LJ8Hf8AQetvyb/Cj/hZPg7/AKD1t+Tf4V8mUUAfWf8Awsnwd/0Hrb8m/wAKP+Fk+Dv+g9bfk3+FfJlFAH1n/wALJ8Hf9B62/Jv8KP8AhZPg7/oPW35N/hXyZRQB9haR4v0DXrxrTS9ThuZ1QyFEByFBAJ5HuK26+cfgP/yPtz/2D5P/AEOOvo6gAqpp3/Hs/wD13m/9GNVusqysIpIZXaS5BNxMSFuJFH+sbsDgUAWhplmL/wC2+T/pGc7txxnGM46ZxxnrS6n/AMgm8/64P/6Cab/ZsP8Az1u//AqT/wCKqrqWnQjSrw+bdcQP1upP7p/2qANVPuL9KqxaZZw3jXccOJmzk7jjnrgdBn2pqabDsX97ddP+fqT/AOKpf7Nh/wCet3/4FSf/ABVABf8AW1/67r/I1bZQ6lWAKkYIPesm/wBOhBtv3l1zOP8Al6k9D/tVb/s2H/nrd/8AgVJ/8VQA6z061sN/2aLYX6ksT+HPb2ps/wDyE7T6P/Kj+zYf+et3/wCBUn/xVVJ9Oh/tK0HmXXIf/l6k9P8AeoA0ri3iuoGhnQPG3UUlraQWUPlQJtTOeSSSfUk8mof7Nh/563f/AIFSf/FUf2bD/wA9bv8A8CpP/iqACD/kK3n+5H/7NT7yxtr+NUuIywU5UhipB+o5qjDp0P8Aal2PMuuEj/5epP8Aa/2qt/2bD/z1u/8AwKk/+KoAsxRJDEkUahUQBVUdABVbTP8Ajzb/AK7Tf+jGo/s2H/nrd/8AgVJ/8VTdIQR6fsUsQJpuWYsf9Y3c80AXqKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigC5a/6o/Wp6gtf9UfrU9SUFFFFABRRRQB5P8W/+Qpp3/XBv/Qq0/hJ/yCtR/wCu6/8AoNZnxb/5Cmnf9cG/9CrT+En/ACCtR/67r/6DX01X/kTr+up5kf8AfH/XQ9Fooor5k9MKKKKACiiigAooooAKKKKACiiigAqOf/Ut9KkqOf8A1LfSgChRRRVEhRRRQAUUUUAFfIXjr/kfNc/6/ZP/AEKvr2vkLx1/yPmuf9fsn/oVAHP0UUUAFFFFABRRRQAUUUUAen/Af/kfbn/sHyf+hx19HV84/Af/AJH25/7B8n/ocdfR1ABVTTv+PZ/+u83/AKMardZ1hd2yQSK9xErC4myC4BH7xqAM0Xs3/CQCP7W283ZhNrngReVu3Y+uOffFbOp/8gm8/wCuD/8AoJo+1WPmb/tFvv6bt65qvqd7aHSrwC6hJ8h/+Wg/umgDRT7i/Sudsb2aTWghu2d3kmWS3J4jVT8px2/rW0l9abF/0qDp/wA9BSC6sQ5cXFuGPU71yaAG3/W1/wCu6/yNT3TvHaTPH99UYr9cVRv720JtcXUP+vH/AC0Hoat/brT/AJ+oP+/goAytBunnnlT7W1ynlq5Zjna56j/61aM//ITtPo/8qel1YpnZcW6564dRVWe9tP7StD9qhxh/+Wg9KAH61PJb6Y7xyGI5AMg/hBPJpmiTtNbTZnM8aTMscpOdy8d+9WzeWbAhrmAg9jIKRbuyRQq3NuoHYOKAGQf8hW8/3I//AGaqmuXDRNao101rC7tvlU7eikgZ7cipIL20/tS7P2qHGyP/AJaD/aq093YyDD3Fuw9C6mgBulzSXGlWssxzI8SliRjJx1pNM/482/67Tf8AoxqkF7ZgYF1B/wB/BUWkur2JZGDKZpsEHIP7xqALtFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAjusaM7sFVRksTgAVxt940uLy6ay8N2RvJF4a4cfu1+nT8yR+NV9fvLnxNrh8P2MpjsoDm8lXuR/D+HTHr9K6Ow0+20y0S2tIhHGvp1J9Se5ruUKeHipVVzSeqXRLu/wDI53KVRtRdkuv+Rzn9j+K7757zxCbcn+G3B4/LbR/Yfiiy+ez8RvOw/huASD+e6usopfX6u1lbtyq35D+rw7v72cza+M73TbhLXxLYm33cLcxDKH6jn9PyrsoZoriFJoZFkjcZV1OQR9azbq0t762e3uYllifqrCuTtJp/BGsx20srSaJdthGb/li3+evqOe1UoU8Sn7Ncs+3R+nZ+QuaVJ+87x79vU9Boo6jIorgOgKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigC5a/6o/Wp6gtf9UfrU9SUFFFFABRRRQB5P8W/+Qpp3/XBv/Qq0/hJ/wAgrUf+u6/+g1mfFv8A5Cmnf9cG/wDQq0/hJ/yCtR/67r/6DX01X/kTr+up5kf98f8AXQ9Fooor5k9MKKKKACiiigAooooAKKKKACiiigAqOf8A1LfSpKjn/wBS30oAoUUUVRIUUUUAFFFFABXyF46/5HzXP+v2T/0Kvr2vkLx1/wAj5rn/AF+yf+hUAc/RRRQAUUUUAFFFKccY/GgBKKKKAPT/AID/API+3P8A2D5P/Q46+jq+cfgP/wAj7c/9g+T/ANDjr6OoAKo6fBE1vITGpJnm5I/6aNV6qmnf8ez/APXeb/0Y1AE3k2+7b5ce7rjAzVXU7eEaVefuk/1D9v8AZNZS28v/AAkO7yJfO+1lzN/D5PlYxn644ra1P/kE3n/XB/8A0E0ASJbw7F/dJ0/u0ohtyxURx5HUYFSJ9xfpXOWFvKuthjBKsokmM0p+6yk/Lz34oA1L+3hza/uk/wBeP4fY1c+zw/8APJP++ar3/W1/67r/ACNT3Su1pMsf+sMbBfrjigAENu33Y4zj0AqpPBD/AGlafuk6P/D7VR8PwtHPKVgkhj8tVYOMbn7mtKf/AJCdp9H/AJUATmCADJiTH0FAggYZEcZHqAKqa3HJLpkiojPyCyr1K55FM0ONo7WbETxRNMxiRuCF47fnQA+CCH+1Lv8AdJ9yPt/vVbaG3UZaOMD1IFQQf8hW8/3I/wD2aqeuxbzatJA89urt5iIM87SAcfXFAGp9nh/55J/3zVbSgFsiAAAJpuB/10anaWkselWqTgiRYlDA9RxWBoviIDX7zRLtBEfOdrV+nmAsSR9c5x9CK0hSlUvyrZXJlJRtfqdVRRRWZQUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFABRRRQAVR1m+/s3Rry8H3oomZc/3scfrir1cX8Q9ZittIOlJ81xdYJA/gQHOT9cY/OujCUXWrRgl1/DqZ1p8kHIXwTY/ZtBW5fme7Yyux6kZwP8fxrpKzvD5U+HdOK9Ps0f57RmtGlipudecn3YUoqMEkUdR1ez0oRfanfzJiViiiiaWSQjrtRQScdzjin6dqdpqtuZ7OUuqsUdWQoyMOqsrAFT7EVlOyxfECMzkL52m7LYt3YSEyAe+DGceg9qTSGWbxfr81uQ1uEtonZeQZ1D7/AMQrRg/T2rA0OhrK8R6eupaDdQFcuEMkfsy8j/D8a1abIVWNi33QCT9KunNwmpR3QpRUotMo+DNQbUfC9pJI2ZIwYmP+7wP0xW/XHfDUMPDMpPQ3TEfTatdjW+NgoYicVtdmdBt04t9gooorlNQooooAKKKKACiiigAooooAKKKKACiiigAooooAuWv+qP1qeoLX/VH61PUlBRRRQAUUUUAeT/Fv/kKad/1wb/0KtP4Sf8grUf8Aruv/AKDWZ8W/+Qpp3/XBv/Qq0/hJ/wAgrUf+u6/+g19NV/5E6/rqeZH/AHx/10PRaKKK+ZPTCiiigAooooAKKKKACiiigAooooAKjn/1LfSpKjn/ANS30oAoUUUVRIUUUUAFFFFABXyF46/5HzXP+v2T/wBCr69r5C8df8j5rn/X7J/6FQBz9FFFABRRRQAUUUUAFFFFAHp/wH/5H25/7B8n/ocdfR1fOPwH/wCR9uf+wfJ/6HHX0dQAVlWWoW8UMqMzbluJgfkJ/wCWjVq1U07/AI9n/wCu83/oxqAE/tO1/vt/3wf8Kq6lqVqdKvAGbJgf+A/3T7Vd/tC0N79j89PtH9zv0z/Kk1P/AJBN5/1wf/0E0AMTU7XYvzN0/uH/AApf7Ttf77f98H/CrafcX6VXjv7WW6a2SdWmTOUHUYoAo3+pWxNrhm4nH8B9D7Vb/tO1/vt/3wf8KL/ra/8AXdf5GrZIUEk4A5JoAqf2na/32/74P+FVJ9Stv7StDubgP/AfT6Vftb61vd/2eZZNhw2O1Rz/APITtPo/8qAD+07X++3/AHwf8KP7Ttf77f8AfB/wqxNNHbwtLM4SNRkse1Jb3MN3CJYJA6HjIoAzYdStv7UuzubBSP8AgP8Ate1W/wC07X++3/fB/wAKIP8AkK3n+5H/AOzVLdXlvZRh7iVY1JwCe5oAi/tO1/vt/wB8H/Cuc1TQhr2hLc2Z2X9vNM9vIPlJ/eMdv+Hoa61HWWNZEYMjDII7iqumf8ebf9dpv/RjVpSqypTU4bomcFOPKzL8KeIf7bsWjuB5eoW/yTxkYOem7H+cGugri/FOmXGk6gnifSV/ex/8fcQ6Ovcn+v4HtXUaVqdvq+nRXtq2Y5ByD1U9wfcV0YmlFpVqXwv8H2/yM6U3fknuvxRcooorjNgooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKKACiiigAooooAKKKQkKCSQAOSTQBS1jVYNG0ya9uD8qD5Vzy7dgK5PQvD02tWd/rGrc3eoxssII/1SEYBH6Y9h70z5vHPibudE09vwmb/AOv/AC+td4AAAAAAOgFehKTwlPkj8b1fkui/VnMl7aXM/hW3n5nE+Cb1jp0ulXA2XVi7IyHrtyf5HI/KuornfE2hXlvqC+INFXN2g/fwgf61fXHfjqPy5qzoviSx1qMKjiK5H34HOGB9vUUsTT9r/tFLZ7+T6/Lsx0pcn7uW6280aF7p9nqVv5F9aQXMOd2yaMOM+uD3p9raW1jbJbWlvFBAgwscSBVX6AVNRXAdAVh+LdTXTdBnw376cGKMd8nqfwGf0q3q2uWGjQF7qYB8fLEvLt9B/WsXQ9LvPEerR69q8RitYubS2P6Mfbv7/Su3C0Uv39XSC/F9kYVZ3/dw3f4HReF9MbSfDtpayDEu3fIPRm5I/DOPwrYoorlqTdSbnLd6m0YqKUV0CiiioGFFFFABRRRQAUUUUAFFFFABRRRQAUUUUAFFFFAFy1/1R+tT1Ba/6o/Wp6koKKKKACiiigDyf4t/8hTTv+uDf+hVp/CT/kFaj/13X/0Gsz4t/wDIU07/AK4N/wChVp/CT/kFaj/13X/0Gvpqv/InX9dTzI/74/66HotFFFfMnphRRRQAUUUUAFFFFABRRRQAUUUUAFRz/wCpb6VJUc/+pb6UAUKKKKokKKKKACiiigAr5C8df8j5rn/X7J/6FX17XyN45hlPjvXCI3IN5JyFPrQBzdFSeRL/AM8n/wC+TR5Ev/PJ/wDv |
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment