From 51a0e4e7ac8abc9ff988ac6986064a1c4b497f88 Mon Sep 17 00:00:00 2001 From: dsotofor Date: Sun, 6 Jul 2025 17:23:33 +0200 Subject: [PATCH] version correct to chapter 6 and chapter 7 in evaluation --- chapters/Conclusions.tex | 12 ++++++------ chapters/TS.aux | 8 ++++---- chapters/TS.tex | 6 +++--- main.log | 34 +++++++++++++++------------------- main.pdf | Bin 7925401 -> 7925747 bytes main.synctex.gz | Bin 878820 -> 880024 bytes main.toc | 2 +- 7 files changed, 29 insertions(+), 33 deletions(-) diff --git a/chapters/Conclusions.tex b/chapters/Conclusions.tex index 05fea8d..eb862a8 100644 --- a/chapters/Conclusions.tex +++ b/chapters/Conclusions.tex @@ -4,15 +4,15 @@ Étant donné l'importance des modules de recommandation dans les EIAH pour améliorer le système, le faire plus dynamique et aider l'apprenant dans son processus d'apprentissage et acquisition de la connaissance, il est nécessaire de trouver des stratégies et algorithmes adaptés et intégrables qui permettent d'exploiter et d'analyser toute l'information récolté pour le système sur l'évolution de l'apprenant et ses possibles lacunes ainsi comme des algorithmes capables de proposer des alternatives de parcours dynamiques et diverses pour chaque cas en visant la réussite prédéfinie par l'apprenant et le professeur. -C'est ainsi que les outils de IA et apprentissage automatique se trouvent au centre des possibles solutions dans cette problématique, car ils permettent de travailler avec des données structurées selon un contexte déterminé, explorer et exploiter les espaces ou sont définis ces données, analyser et extraire l'information utile pour connaître les comportements, tendances et faiblesses des apprenants. De tous les outils d'IA ceux dont le fonctionnement a besoin de peu de données pour bien extraire, identifier et prédire sont les plus adaptés pour résoudre le problème, car il est très compliqué d'avoir grand quantités de données pour entrainer et évaluer une IA comme celles qui appartiennent au ensemble du deep learning. C'est l'une des raisons pour lesquelles les contributions réalisées dans ce travail ont permis d'améliorer l'environnement informatique d'apprentissage humain AI-VT, en proposant des recommandations dynamiques et plus adaptées à chaque apprenant en utilisant l'apprentissage par renforcement, la génération de solutions stochastique, le raisonnement Bayésien, les approches d'ensemble avec plusieurs algorithmes dans deux stages, l'optimisation stochastique itérative, l'intégration d'approches locales et collaboratifs, le raisonnement à partir de cas avec les systèmes multi-agents et le processus de Hawkes. +C'est ainsi que les outils de IA et apprentissage automatique se trouvent au centre des possibles solutions dans cette problématique, car ils permettent de travailler avec des données structurées selon un contexte déterminé, explorer et exploiter les espaces ou sont définis ces données, analyser et extraire l'information utile pour connaître les comportements, tendances et faiblesses des apprenants. De tous les outils d'IA ceux dont le fonctionnement a besoin de peu de données pour bien extraire, identifier et prédire sont les plus adaptés pour résoudre le problème, car il est très compliqué d'avoir grand quantités de données pour entrainer et évaluer une IA comme celles qui appartiennent au ensemble du deep learning. C'est l'une des raisons pour lesquelles les contributions réalisées dans ce travail ont permis d'améliorer l'environnement informatique d'apprentissage humain AI-VT, en proposant des recommandations dynamiques et plus adaptées à chaque apprenant en utilisant l'apprentissage par renforcement, la génération de solutions stochastique, le raisonnement Bayésien, les approches d'ensemble avec plusieurs algorithmes dans deux stages empilés, l'optimisation stochastique itérative, l'intégration d'approches locales et collaboratifs, le raisonnement à partir de cas avec les systèmes multi-agents et le processus de Hawkes. Les jeux de données testés (réels et simulé) ont permis de tester la solidité du modèle pour chacune des étapes du développement ainsi comme l'amélioration progressive jusque l'unification de tous les modèles proposés. Aussi pour tester la qualité des recommandations générées ont été définies deux métriques qui ont permis de mesurer avec précision le degré d'adaptabilité en rapport avec la performance de chaque apprenant. -Les résultats obtenus avec chaque modèle proposé dans les étapes d'évolution en suivant les métriques définies, montrent que il y a une performance compétitive par rapport aux algorithmes et modèles qui sont utilisés actuellement comme référence de l'état de l'art. L'implémentation des algorithmes selon l'architecture proposée a permis d'obtenir les avantages de chacun et ainsi améliorer globalement la performance et le précision pour le problème d'adaptation du système AI-VT en fonction des résultats partiels des apprenants de façon réactive. +Le modèle complet qui intègre tous les modules développes considère des aspects pertinents du processus d'apprentissage comme le renforcement des connaissances, la dynamiques de l'information, la progression variable, le temps d'apprentissage non-linéaire et la courbe de l'oubli. -\section{Perspectives} +Les résultats obtenus avec chaque modèle proposé dans les étapes d'évolution en suivant les métriques définies, montrent que il y a une performance progressive compétitive par rapport aux algorithmes et modèles qui sont utilisés actuellement comme référence de l'état de l'art. L'implémentation des algorithmes selon l'architecture proposée a permis d'obtenir les avantages de chacun et ainsi améliorer globalement la performance et le précision pour le problème d'adaptation du système AI-VT en fonction des résultats partiels et dynamiques des apprenants de façon réactive. -Le système devrait être testé avec des données réelles dans un environnement standard réel afin d'obtenir des informations sur certains groupes caractéristiques spécifiques d'étudiants et de comparer les résultats obtenus avec les résultats théoriques, consolidant ainsi les preuves comportementales et l'efficacité du modèle proposé. +\section{Perspectives} Comme travail futur, il est proposé d'intégrer dans le modèle d'autres variables obtenues avec des algorithmes d'intelligence artificielle complémentaires tels que l'analyse vidéo, l'analyse audio et même l'analyse des données obtenues des apprenants tout au long du processus d'apprentissage. Analyser le modèle avec différentes configurations paramétriques, afin de déterminer quelles sont les configurations les plus appropriées et comment chaque variable influence le comportement global des algorithmes exécutés et le résultat final. @@ -22,15 +22,15 @@ Comme perspectives de ce travail peuvent être envisagées : \item Analyser le comportement de l'algorithme avec des métriques de distance différentes de la distance Euclidiene. \item Analyser la modification de la fonction de optimisation associé au choix de la meilleure solution dans les solutions générées par le second stacking processus. \item Déterminer le point de rupture pour différents scénarios. + \item Implémenter la prédiction des notes avec une autre approche pour enrichir l'analyse des données. \end{itemize} Pour l'échantillonnage de Thompson les perspectives ouvertes par ce travail sont : \begin{itemize} \item Changer la famille des distributions de probabilité et étudier la performance obtenue. \item Calculer de façon dynamique les taux corrélées d'actualisation des distributions de probabilité pour chaque niveau de complexité. - \item Ajouter une comportement décroissante à l'actualisation des distributions de probabilité pour améliorer l'adaptabilité su modèle. \end{itemize} Aussi, évaluer le système avec une base de données avec des erreurs pour mesurer la résilience du modèle et comment il peut s'autocorriger face à d'éventuels dysfonctionnements. -De façon générale il est possible de définir des intervalles pour chaque paramètre et exécuter un analyse de sensibilité pour évaluer les résultats avec l'objectif d'estimer la stabilité du système et les limites numériques. +De façon générale il est possible de définir des intervalles pour chaque paramètre et exécuter un analyse de sensibilité pour évaluer les résultats avec l'objectif d'estimer la stabilité du système et les limites numériques. Ainsi comme ajouter des concepts ou théories pédagogiques pour améliorer encore plus la présentation des contenus et exercices face aux apprenants. diff --git a/chapters/TS.aux b/chapters/TS.aux index 169b3a0..4f0b5aa 100644 --- a/chapters/TS.aux +++ b/chapters/TS.aux @@ -110,9 +110,9 @@ \@writefile{lof}{\contentsline {figure}{\numberline {7.9}{\ignorespaces Nombre de recommandations par niveau de complexité\relax }}{93}{figure.caption.63}\protected@file@percent } \newlabel{fig:stabilityBP}{{7.9}{93}{Nombre de recommandations par niveau de complexité\relax }{figure.caption.63}{}} \@writefile{toc}{\contentsline {subsubsection}{\numberline {7.3.3.5}Système de recommandation avec ESCBR-SMA}{93}{subsubsection.7.3.3.5}\protected@file@percent } -\@writefile{toc}{\contentsline {subsubsection}{\numberline {7.3.3.6}Progression des connaissances TS vs TS et ESCBR-SMA}{93}{subsubsection.7.3.3.6}\protected@file@percent } \@writefile{lof}{\contentsline {figure}{\numberline {7.10}{\ignorespaces Précision de la recommandation\relax }}{94}{figure.caption.64}\protected@file@percent } \newlabel{fig:precision}{{7.10}{94}{Précision de la recommandation\relax }{figure.caption.64}{}} +\@writefile{toc}{\contentsline {subsubsection}{\numberline {7.3.3.6}Progression des connaissances TS vs TS et ESCBR-SMA}{94}{subsubsection.7.3.3.6}\protected@file@percent } \newlabel{eqjs4}{{7.34}{94}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.3.34}{}} \newlabel{eqjs5}{{7.35}{94}{Progression des connaissances TS vs TS et ESCBR-SMA}{equation.7.3.35}{}} \@writefile{lof}{\contentsline {figure}{\numberline {7.11}{\ignorespaces Comparaison de l'évolution des notes entre les systèmes fondés sur TS et BKT.\relax }}{95}{figure.caption.65}\protected@file@percent } @@ -125,16 +125,16 @@ \citation{10.1145/3578337.3605122} \@writefile{toc}{\contentsline {section}{\numberline {7.4}ESCBR-SMA, échantillonnage de Thompson et processus de Hawkes}{97}{section.7.4}\protected@file@percent } \@writefile{toc}{\contentsline {subsection}{\numberline {7.4.1}Modèle Proposé}{97}{subsection.7.4.1}\protected@file@percent } -\newlabel{hp1}{{7.36}{97}{Modèle Proposé}{equation.7.4.36}{}} \@writefile{lof}{\contentsline {figure}{\numberline {7.14}{\ignorespaces Organisation des modules TS, ESCBR-SMA et processus de Hawkes.\relax }}{98}{figure.caption.68}\protected@file@percent } \newlabel{fig:Amodel}{{7.14}{98}{Organisation des modules TS, ESCBR-SMA et processus de Hawkes.\relax }{figure.caption.68}{}} +\newlabel{hp1}{{7.36}{98}{Modèle Proposé}{equation.7.4.36}{}} \newlabel{hp21}{{7.37}{98}{Modèle Proposé}{equation.7.4.37}{}} \newlabel{hp22}{{7.38}{98}{Modèle Proposé}{equation.7.4.38}{}} \newlabel{hp30}{{7.39}{98}{Modèle Proposé}{equation.7.4.39}{}} \newlabel{hp31}{{7.40}{98}{Modèle Proposé}{equation.7.4.40}{}} -\newlabel{hpfa}{{7.41}{98}{Modèle Proposé}{equation.7.4.41}{}} -\newlabel{hpfb}{{7.42}{98}{Modèle Proposé}{equation.7.4.42}{}} \citation{Kuzilek2017} +\newlabel{hpfa}{{7.41}{99}{Modèle Proposé}{equation.7.4.41}{}} +\newlabel{hpfb}{{7.42}{99}{Modèle Proposé}{equation.7.4.42}{}} \newlabel{eqBetaH}{{7.43}{99}{Modèle Proposé}{equation.7.4.43}{}} \@writefile{toc}{\contentsline {subsection}{\numberline {7.4.2}Résultats et Discussion}{99}{subsection.7.4.2}\protected@file@percent } \@writefile{toc}{\contentsline {subsubsection}{\numberline {7.4.2.1}Système de recommandation avec une base de données d'étudiants réels (TS avec Hawkes)}{99}{subsubsection.7.4.2.1}\protected@file@percent } diff --git a/chapters/TS.tex b/chapters/TS.tex index e087b78..6e0d2f6 100644 --- a/chapters/TS.tex +++ b/chapters/TS.tex @@ -567,7 +567,7 @@ La deuxième série de tests a évalué la progression des connaissances avec TS Le SMA que nous avons implémenté utilise un raisonnement bayésien, ce qui permet aux agents d'apprendre des données et d'intéragir au cours de l'exécution et de l'exploration. -ESCBR-SMA utilise une fonction noyau pour obtenir la meilleure approximation de la solution du problème cible. Dans notre cas, l'obtention de la meilleure solution est un problème NP\colorbox{yellow}{NP-complet ? / NP-Difficile ?} car la formulation est similaire au problème de Fermat-Weber à $N$ dimensions \cite{doi:10.1137/23M1592420}. +ESCBR-SMA utilise une fonction noyau pour obtenir la meilleure approximation de la solution du problème cible. Dans notre cas, l'obtention de la meilleure solution est un problème NP-Difficile car la formulation est similaire au problème de Fermat-Weber à $N$ dimensions \cite{doi:10.1137/23M1592420}. Les différents scénarios du tableau \ref{tab:scenarios} ont été considérés dans un premier temps. Dans le scénario $E_1$, il s'agit de prédire la note d'un apprenant au premier niveau de complexité, après 3 questions. Le scénario $E_2$ considère les notes de 8 questions et l'objectif est de prédire la note de 9 questions dans le même niveau de complexité. Le scénario $E_3$ considère les données permettant de prédire le passage à un niveau de complexité supérieur après 4 questions. \colorbox{yellow}{Je ne comprends pas ce scénario E3. La reformulation suivante est-elle correcte ? }\\ @@ -699,7 +699,7 @@ Le système de recommandation ET a été testé avec un ensemble de données ada \label{fig:stabilityBP} \end{figure} -La précision de la recommandation pour tous les apprenants est évaluée en considérant comme comportement correct deux états : i) le modèle recommande un niveau où l'apprenant a une note supérieure ou égal à 6 et ii) le modèle recommande un niveau inférieur au niveau réel évalué par l'apprenant. La figure \ref{fig:precision} montre les résultats de cette métrique après 100 exécutions.\\ +La précision de la recommandation pour tous les apprenants est évaluée en considérant comme comportement correct deux états : i) le modèle recommande un niveau où l'apprenant a une note supérieure ou égal à 6 et ii) le modèle recommande un niveau inférieur au niveau réel évalué par l'apprenant. Le premier cas montre que le modèle a identifié le moment précis où l'apprenant doit augmenter le niveau de complexité, le second cas permet d'établir que le modèle propose de renforcer un niveau de complexité plus faible, puis la précision est calculée comme le rapport entre le nombre d'états correspondant aux comportements corrects définis et le nombre total de recommandations. La figure \ref{fig:precision} montre les résultats de cette métrique après 100 exécutions.\\ \begin{figure}[!ht] \centering @@ -915,7 +915,7 @@ La variance (figure \ref{fig:vars}) montre qu'avec le processus de Hawkes, les v \subsection{Conclusion} -Cette partie a présenté un algorithme intégrant un système de recommandation fondé sur l'algorithme d'échantillonnage de Thompson, un modèle de régression d'ensemble fondé sur le raisonnement par cas et système multi-agents, et une fonction d'oubli fondée sur le processus de Hawkes. Nous avons mesuré ses performances sur un ensemble de données générées permettant de simuler les notes et temps de réponses obtenues par 1000 apprenants sur un EIAH proposant des exercices répartis sur 5 niveaux de complexité. Ces tests ont été réalisés en vue d'une intégration à l'EIAH AI-VT. Les résultats montrent que le module final permet de réviser les séances d'entrainement, de proposer des exercices progressivement plus difficiles, tout en intégrant des rappels de notions. +Cette partie a présenté un algorithme intégrant un système de recommandation fondé sur l'algorithme d'échantillonnage de Thompson, un modèle de régression d'ensemble fondé sur le raisonnement par cas et système multi-agents, et une fonction d'oubli fondée sur le processus de Hawkes. Nous avons mesuré ses performances sur un ensemble de données générées permettant de simuler les notes et temps de réponses obtenues par 1000 apprenants sur un EIAH proposant des exercices répartis sur cinq niveaux de complexité. Ces tests ont été réalisés en vue d'une intégration à l'EIAH AI-VT. Les résultats montrent que le module final permet de réviser les séances d'entrainement, de proposer des exercices progressivement plus difficiles, tout en intégrant des rappels de notions. \colorbox{yellow}{Il manque une conclusion au chapitre :}\\ \colorbox{yellow}{ - rappel du fonctionnement global du module final,}\\ diff --git a/main.log b/main.log index 1f317ea..a35126c 100644 --- a/main.log +++ b/main.log @@ -1,4 +1,4 @@ -This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 5 JUL 2025 23:31 +This is pdfTeX, Version 3.141592653-2.6-1.40.25 (TeX Live 2023) (preloaded format=pdflatex 2023.5.31) 6 JUL 2025 17:23 entering extended mode restricted \write18 enabled. %&-line parsing enabled. @@ -1199,13 +1199,8 @@ LaTeX Font Info: Font shape `T1/phv/m/it' in size <10.95> not available Underfull \vbox (badness 10000) has occurred while \output is active [] [7] -Overfull \hbox (1.29184pt too wide) detected at line 89 - [][]\T1/phv/m/n/10.95 100[] - [] - - Overfull \hbox (1.29184pt too wide) detected at line 90 - [][]\T1/phv/m/n/10.95 100[] + [][]\T1/phv/m/n/10.95 101[] [] @@ -1962,11 +1957,14 @@ File: Figures/GradesEv.jpg Graphic file (type jpg) Package pdftex.def Info: Figures/GradesEv.jpg used on input line 717. (pdftex.def) Requested size: 427.43153pt x 321.44128pt. [92 <./Figures/kEvol_TS.jpg>] - + File: Figures/LevelsEv.jpg Graphic file (type jpg) Package pdftex.def Info: Figures/LevelsEv.jpg used on input line 726. (pdftex.def) Requested size: 427.43153pt x 320.58275pt. + +Underfull \vbox (badness 10000) has occurred while \output is active [] + [93 <./Figures/stabilityBoxplot.png (PNG copy)>] Overfull \hbox (28.0266pt too wide) in paragraph at lines 759--765 [][][][][][] @@ -1982,19 +1980,17 @@ Overfull \hbox (67.18349pt too wide) in paragraph at lines 759--765 [][][][][][] [] - +[94 <./Figures/precision.png (PNG copy)>] + File: Figures/Metric4.jpg Graphic file (type jpg) Package pdftex.def Info: Figures/Metric4.jpg used on input line 768. (pdftex.def) Requested size: 427.43153pt x 235.32733pt. -[94 <./Figures/precision.png (PNG copy)>] -LaTeX Warning: `!h' float specifier changed to `!ht'. +LaTeX Warning: `!h' float specifier changed to `!ht'. -Underfull \vbox (badness 3039) has occurred while \output is active [] - - [95 <./Figures/GradesEv.jpg>] +[95 <./Figures/GradesEv.jpg>] LaTeX Warning: Text page 96 contains only floats. @@ -2011,13 +2007,13 @@ Overfull \hbox (22.53232pt too wide) has occurred while \output is active [] [97] [98 <./Figures/ModelHawkes.png>] -<./Figures/stabilityBoxplot1.png, id=1574, 742.775pt x 520.94624pt> +<./Figures/stabilityBoxplot1.png, id=1573, 742.775pt x 520.94624pt> File: ./Figures/stabilityBoxplot1.png Graphic file (type png) Package pdftex.def Info: ./Figures/stabilityBoxplot1.png used on input line 86 9. (pdftex.def) Requested size: 427.43153pt x 299.78818pt. -<./Figures/stabilityBoxplot2.png, id=1575, 742.775pt x 520.94624pt> +<./Figures/stabilityBoxplot2.png, id=1574, 742.775pt x 520.94624pt> File: ./Figures/stabilityBoxplot2.png Graphic file (type png) Package pdftex.def Info: ./Figures/stabilityBoxplot2.png used on input line 87 @@ -2032,12 +2028,12 @@ Overfull \vbox (6.6566pt too high) has occurred while \output is active [] [100 <./Figures/stabilityBoxplot1.png> <./Figures/stabilityBoxplot2.png>] - + File: Figures/Var.png Graphic file (type png) Package pdftex.def Info: Figures/Var.png used on input line 905. (pdftex.def) Requested size: 427.43153pt x 227.57355pt. - + File: Figures/VarH.png Graphic file (type png) Package pdftex.def Info: Figures/VarH.png used on input line 911. @@ -2209,7 +2205,7 @@ ts/type1/urw/courier/ucrr8a.pfb> -Output written on main.pdf (122 pages, 7925401 bytes). +Output written on main.pdf (122 pages, 7925747 bytes). PDF statistics: 1831 PDF objects out of 2073 (max. 8388607) 1562 compressed objects within 16 object streams diff --git a/main.pdf b/main.pdf index f795328aea739301935b3ba4f4ee4aa22cf2a609..cc48cc3541d22f0f6eb4246d9769743495e13e8f 100644 GIT binary patch delta 48578 zcmW*SQ*~jCme=3i~xD9#|{8NCb>V9$} zC%pl1A16sahAMg7lm({_McY{?zmORg7SfsLdKV;tfSoS(s0)zinsH~?JC?iW0A=ts z#M*jU}#r& z4jR%!+r+;+o&Rgah0#rl9%qA93z4 zx+E+k?I_0_zSHP(8w4uK`*Mpaf>ZS}Dvl@#xh-Z~e)?f55eHv_2%l832ytD*)BK%Z zpAsQDJVSq7quU!LKRi%1A4COpi-%zfUV6wdZzMKCM?o4enlfk=DWnxM*Q-A8?TT%r zI4h6Wke_nc+7&$0S@OAN-g)ZW`;7IS8sjEsuX5=rq0g`G)SRmp7vG>xDo%h$#gWGnVsHtP2RdBu z07z<3zB!k9??#S8Ct6lY0&`Pu$PcNy{J=s+@0_UB?YZZFjQtljd{YX~m@mC``GwsZ zoC2{O$zIuK2tk=~FYIzLr2n0;aunCJEJxEfH<4Q?w}yuk(KTP$>e)$kwP(&#frA`-QgE3Km&ca+1XFtxId z!m3iROo^zsXllGE-)qPGT4Gg7@^N#C1SN+D?79I25v7n&(woSlb@&)nGPQ4FN+2mJ z{R6Ac^7)Irt6c5g;WEnC!YoKFJ&kTO(9Qx}qjXh(TMGaM^sE#Jnz%v#Axs~d9|%nq zMeK%zX91w`k7PR+tUD}!roKG+72MNDxzYz1R?C6aZVY_dXQk(>EX>>9#B39_044Ra zAj~sqqZ@>xQ-1J#ox|lfSxY8f)ev$`dYqQi4KMF5;$kpAL2D0sa0zUn-GIacdk5*X zjgP`hQL``)zUA$;pn8bMP#e87OiT4|z@1`d&G$#if0*bvBSrjsro)_k=T@Itu{WOS zbEYBV(P)1PnGM1Y-8^rJYoW>1+DJ`6RpC&Bq-AVOk&!*#uDihg;8CY}riI#q(gTF; zPg`lC_H^(59b^V?Af_r0Col16Vsn50$}#Zo?Qm{Dzp=SsMuCGzn8T(UXg`z0E5-4L zBxNEw`S94@l18lJ?>|Xr>aMx7?a?XuM`jo0cIq2e8VJ&f7*guBBH2=c+^2Zn1B-Ru zI2`F^(1j7HG6f?l!jz%WI{W)}1`@z=Sttc89W{npy&PruTqU%WI{JLyIXih>>hS+` zo$VggVwjW?)kd)nFwN4>pRmJ`&0mS@*;h?Tg|+v%#Ui@4GH6r30-o24bWK!+gB zzSPhT=5{2kt)VYF7dw|YtKI(_1prfoE#<`otAV!bD};a;ENIH23&8N65umvkGZ~z? zBXEL;sz2FDk%GSBW{mxK+J;Q|h6SzrK+YNBO02$aGl9gE+YNtb?NSSS z2#jT?*uM49E>gJI5WynYY{J*GbW__mxp^MB&>rqH(_0D$0lZ zdN1kJhL7Zt*&jEHkB-xAoe5NSKe!%bAp~y^r3ihRH&fo4kCI~aPxHeW3&^GCspd<& z?Jt~-6UTh+-R+!7{m5pv;|cN4#=^^h7|n+gKAerC)5%7!uq9m#XG9LHyWAcbDga0( zme)YqJT(}4_>?{953sf=dvIP_P|mblHZ0mS=5%m;Ff_q5xpZ(GFa?!1^K|evP(X0s ze=~!w-w&?-tQozXzCQDhd3o7itQr2?f9Q59V*KZ?Ai4^*T>NJEPfbYPX4b?1kAZpibW#?uX+1f4pcA4 zQbez=y(>VL&(}1-kPcZeVhe|yHDLeY?(>~H&oXaHk-2js4`ujIgZc9YdU;{98T2Sv z)iaVoRxeK$abG5=YkIHe1BD#2Ilv&~UkvLn0*jqSTITzvsaI{@E0%^Phi zZF!@ch5we?mfE&j=*QbqjB3%g>0%ksV%WH&&o*XH@OSA(Foh*L=_Z{>KqYJ)7i6Vi zKgohgZzB?_C0yVixI7dXxp=f|PGoTl&)KN(qH85G8@v}NgPWJMWO`7iZ?7eZnawR4 z{6R|{qhHx&i^VH0%~Kyf$^k`{Kx&-iLTWf!l9=9kLLpDz29f~rVqDn}6ir&x(Eo=R+F1BmIL&ADp;<>mh)bN# z66E#5u23U>g9h{E+vTf44vW-rO8sJe+)v7>3i94GlQ}PINv#fuC#{^2&5(zk9_h z*XSlH1Azj`hASz%ByxRW8>hW9M!Krw=N-nWgz}`w4^CChR~yPUq;F#FC4D1=M{YjA z=cYChn~U~viN8KJ!!;#Ctqe3?v5=u2zlHxW?-RIf$I{ycKSZTLxdF<~P$dya`tV`mOo%i^OghGL7W5?IIRZZ|7JZfGA}VE>j6CiG=BBa}grd zhWN2s23pEdwooahG#ei%!1Sxw5&4P98yf$V*7yUcOXcz_6dm(mbGx*MkB`O8?_bc_ zck9rCqP1Dm*lP7_;T{=I`pCg4l3a&hwo_R1^YJm*jInq=GQtIbs6ll^Z#u{6zo#jy zEsv=#8BIN?FRb6Ny zO)*PJE^$HiRC@`;r!IlAe`>1RCU1;U8UNTh?e+HZ8Zk zH{&Xd2{|eMMom=#D!TeFB=)tV?Al#VZ14Ul&JtgKzuet2#~V5oid3mMShdgg%51(H zpOL)_>6nRS)}?A#>Bv5Pj-C;rEswNJK>_sM`Jz`=L2CMdmU;dTMQ>(ewq|{vs_i5Y z!iseX_O#2E8V;IZf{{`arPF7*7nIUI^^;RRAM|Cn3d%G9Qn|k?CG2o6WNI*w%baG+ z+V+yq`+u9k3{v@tuu6jvmK<=pzzIQ%We75_+;hnp*tP*rj`2D`A1Fpb)?SV)xe78f zGw~@=rfI^z#`EH1{K%qv;rDDIT!M)A;BKA3#VrPj7qC7DB0TNd`KNiXzL6Ez=qx3Q zje(+r!qsg+#<_EOz6CIsS=9lS&Hpra42Es8`zVpe?q6c+f8*C%gqcszl`@A!3s`~I zG)kdp(?CCZrP$8fTvt?2g*ZT8dd}@+;ITcI$VkATU>t32#ubY0X>Xu#NQXAJ#djC~ z*+uYJPYtC!%j$xefjo{@KwyF2xctZ@N_305=xH6GGaTa3rr9q*T~KJYIU|)_JSgrr z#p`mIJcA>I9@L-2ep$!$1BR#0hT08k_pw(fn^5idl(MU2T9}$FGki`}B|L8Q6Hz;9 z+zt{r^3)UJF^ska>*rP(?9$?WgEzWM!q;#4=8&L;c;nXFlhx&e&PiM6gD=Jfnv|d; zH@iRPtwrc*BTy}UR*PSy^6&4tf0m%k(f|rauO`7WNkRlOO2X!%&B8Xh0>0iiFO+3V zqpn9vD{$sV6b-+x^dxP*Ac@vA+#;X}Z>x|}@jlTdPJ4Aw)D|2|r~8mYM3deNUIj0b z$x_l#HNnxtu?xU|K>UFG0rdm=2h0!HA8S zn18VRVEw`NgZ&4`56&N4Ke&JJv|$(Usdo_XQ|h(cZO>W!$g!;Jg~L)Oonz2JNnrU@|lpD zZ67^7ynyf9r*r0BxyNLcV!L!OrxCG6f;Y44To9dt4ptJXzXLyRtQoRFGum5O@OjfQ9uP8dy3Cwo#qM@J|aDUlffnk zIB~$8WH|at{pruQII>`=Yj>!WF}?Cv?yCkIUy_a|cc$$Z(xkU0Q8b(}9-q9Qz1q!r zPOO`LXD9mKQt=4aDD)ytNN|4vZYL$Rf4wI%>5BEA+J@{J$8Drol?wds4)fu~r*q3coaPHDm*L%71M}vX0g4rGrf@R6 zN`|_!qbrG#q7L-{>eE^p;d;C|mPjq#FOT>bF3U_F9+*?uw&Asq{WS;oMi#N&TEHov zJt3YlN3$^-jl?f;?KVnoZOOUx4x|Ssa>6*8hBN+)p(+!@#?{{!x>D6}hR#45@SqLi zp+G@|EnM~&B5=jUq+uh});jh6^$v}G<;^8#FS&>GneKRF+|$svOrrf3fBoM24h5_Is=q46Qs>#p*Q9fE_@`v-%dwCTUUoV7&{@ZxA zR*w%#9mzEcdoXCVnq-slrHpz-p91>pvgrO0eQiNDh>wPUer;rskpIDd8Kzyti^qSa zV@dGf<~++tzrmsAnoKPV)4OO(*k1XW9^KDbu!HPZ;3oVhJ@p;|g2QvW`2?6!-ltwD z?bqK*_OHS0+f5TSdW|sdJ6^MKSyP`DUAMF8OMyceVNJFD8W~Rcd>|xX zr`Cf?FGVEL0b&0mAG3zhdjfcah#F=vx5oS%#sTFU)a5v*n?uMOHVU(PFDt+yZ+IuW^#)+{-pu(SAR77q=ypqW3UW?&>xI ze~%EBVi#HAv>7Hr+5#4vRO#w0ivC8BR!TTi+VpE6C419Y&*10|xRqhO*2w^1?x-V%IKzivIYr6Lz%&Ebx#sS}TRxO3^nkL_IMsZ%0->Yk z`+$xWUX|v*`dk?hdf7a+NQaZ>%*mFj*<>3vCWCB?0c7+CU`rGqP{c0A@FFUtvtU>D z%}=~<^`R>#rWa7O8;$v-ieBn(7D4g~3WaH%T3SKmSIqX28J>uv;f=G*^kuCiok!Vj)`Z6-O}0uYFOW|lPo|g)=ChNs*40A%LE|gz#?h91%aEu6_XfiqS*%B zOaET&WeJ&&hs@RJQ)L4a|BxNsp4d< z0mh#7dkH}4W^Ltot99);FkWm#r9zPjvo21d5KzDDd!eT<107HPL8PaxUMt8;B{W7& z5R@%I5cTI_2N8Xh?xYm0gS>?1dw?0GkiX|HkSLIEW}AM(9keufRc-W;=C>eqyw*#8 ze9u|TOCH04CzCYTX9dMvj*FNk%-V_O{VjEjjvXM_Vb{SB=q9EOYb!~ak}8JM+XO~r zx1m|cQH97HZRz_sFp=B(o8Y6iwkz#AExGtTsC4ry`i(fpQAiqI9N(_+wZ{VPa^L@I zvn9XfQR=?2I7DDQbx8YdUthbek0khu2xI}=e#`Y@fam4fyBj^iU+?j_tsTf#e?<0Y zngk$dOZ2WAPk3okP5PFiYYs&s_;m8 z9Qir}%W!3LZuIK3DMf8qK?{_cU-s9bV~2p^DUu!dFw+#$bhT&`8=7-m%*Sa8g569z zw`8V7%TAKXm@k!m7avq;xI5OIKc z@Y~Oa3RWwT0Yk1*Ll}#{Tlx%QUw!VVh)pIubx1-x1m)~)mU7V4fYnJLPvp1~&liIz zuGGxMy@&XurTelHot$fHM*cKnD8F(8Ix~_VL3%L;;jjO+7X#!vVvi{W=(r}1-f1Uz zu}Hf2@CnWw1tN!w26n%Na#Tt_nJYD%aKtyNHmv6q-mtCkj4J;0KkBr8F6zUGPikfQI-?&o zSz6`!aLh*!Q4~iumb8vBWaWvGh}Zb~?@tR!Fvtk|U(8NgbFr+!Kj-9aJ$(7+fAww1 zo95t~?bt&_FFi1`WzX2*Xm+3ci+(J2V}fssg}0;r(L+&dCt)-MyTPm`D*o)J4p znsdGBK@b5S>{$ zP)z;F7tW3K>MncvfOiw-1Dv}StoNZaA!-NS4T3}ZObB#V<6=-KRrck_-d z*gLPxAIrwOdCDU~?+gaUBV4mpIbXeEoQWs{7}9kzM3U{c#*3JL9LgNIag8~M99R;+ z+IDbmy~m!p`UW|@uYqcFBKzfmpC-IVNC$}3)OOkALh)a%+tV%2h=B5p@^i7Jc0=Q< z7;!H}e-2DV31#mVNyvHF^=i^Q=zfduW7P`bbalguFNvS-McpzckYk6fv610 z!BO>4h{FeuDLo`x@OPgHL*U=;si9Fr8qS(caj9?^z-$NW6^ z^bLKPygX?FgeNr5CXnku=NX``0)U97Hke_GYyn=RM*qM*t%~Decm9Pw7MaER`>5XW zh!ifEA#Q5{A+h=+V3hMWy~5`hi(FukuRl@erwToQWko|jTJG{X#_Y7!X0x%e)wV58 zoyqvc1(&LKz0v*ij8*30Nq0R?UH>qu$9Ox(IQBqy^&z!}eiu(^u%1+z4gfPWrE4{= z$xu-)``^6&h(TBn==EUIwa=o?VlCHRlbJ5{7}5}(OfZMs+J#Z8{$lcFErD^Kdj+}_ zEL5O(LY?chH}Qy{;9M=;giI=7woAY|d~{=F7F257_HXfB80Du=BOR$EGfY!StbFPX zTWv)t{6EpkJdnDVN-TTIfdEkK7k&qvm;q6RgbTh1aHerfJn*-Eg}|PrFA!s(uSF?w zH;7$4@o==-lP~ZMkv@1n zfw$$>0;gH;IdBGuP*ha~F4L&f)FQH*n+0C@pS;aP*;31`9cm)f;!MN@!^fiiB6{h}Pax_-4Gh47JKvoH5S57n9$Khl_Wu*7FWvh0YtU`7E5}-4=p$z% z(+Q)oKnzyMu>mlj6cC-luqdv@>&s|tTX2Kt=F$sc}W_ejpyn-Ea`fU+B_C1}A4JNPh{*+Uvk zY{_pgT+n(4@k`heQPdH=WL6yO-)Z%@Bb0d9O@_r-L}+17`JNdq^q@levdNJdaS*>m zi90n6lEmfT)Ev9j;ptQ0(^l6=fC&z&e_LrOHKo@nT{>kaT+gIl|P@mbw? zSnGciV3~j+@{5bJNDmBje;ulN%6i*>{q*lm<@a0m;$C8x82*%dH9)NV;o)8I#(#hQ z@(+6q++k91fnYmYcfRw~S(Cy*pd7yViNTlX4pU>ILWNAfmcgf)W=(VF%pB?<^bd4_ z(bV{WIr~@K=-S?7z4$cGljXK&T6a!n?0r&fb*5ivGS%hD1oAbb8vE|1v-M#{4e7>Z2e^XUBd!y z8&Fv)ajO>ZW7jfty$=7m_gbsTRyxVWmefc;-kW?*!4+w&Gv{C1kUnoZbty1;)1Gx~9iDi?&C@0+ zwqW&C3Z!tq59}GyQQa5IiIs&cE_BTId0`aHED@iiwes8;RiBJfDulvG76VoC3MAO7 ztEf4$p4HF+_lhxLyts%Ts}kt%D4>cmgFb&EeMl3_CeEi!GeFdHi;DL2AWqXuLhnz0 zN)MH=zlv58xzn*r;EO^6k1ps=2E1=UkyEYwH1Ga%cI$EfnODdSHeNxEegDTRtl4+9 zg>)r>NWFE{!p(^3BFXkt#1z|NS-D|9pcWl$Qk#SWuw-AruV=R6KtD#>?_TIWNfBjT zWd6eu8*J~&*U4zk?}4|PK*HcK%kK)^bd+6IdK9`5Cwr`%A<5s-bl7;2 z*Qg>uM8kAzHM#e(5J;2+HMllcYj+kWc+YL(xafb9JLf-le8&)4Y-+H$zmezp&}r9_ zW}30-PL8bFdO?DZv>s#sh{m!vIq4u^e%f>lVCZN{XohfL{c8Xsm1+vl3JcZWp*gGz z@*gU-7uZeOFdG1I>MYht;&OyG^$Sp9NDfPlx5KEGRvocucNINss3s56%;lKR(W|L4 zx0giEp-dNbv+a8zi(=nddYiV6WY1jjDaUB5K%vwaaco19UE)(U=Ja{fstxm*synynPCsJ5gNJN~XD(b;(VNih~Id|4mnbg*$+KczMp zc=so+C*gind0|%!&=n}xZqd?U1|Nu@p^}%8D%&Lri8LPsUs^MTtSa9rQLGV4CilxP zk>yid8f5ZHcQs%vLSBwUFCbUEB*guZhiBluwiXy3x9`FcFX>iFsNery>n{uV7j*mL z-7|7bpBbQ3qvly72}YiBgAdma;K=k6Fy$Z!C0Dv|Iz?EErF?`t1hqgFQwUY@X{ zpQfDq^%stqoai|#+MKbft*u`1a$|oy9p0!xg&=+!^OqHy{GvvaX5O|*TuWIe4pq7! zF=g?+9kBLQCbp;ePkf(vzquYj3K=D}t4&5u>fsg7fb=)8C9n;CW>`-Hc~$y;RE9W} zFpr1F<3tSDA~7)OrNT*pWIm>#@uEGjDmJW-{K?3r z5n0oW2~-BsKvrs4btREqd3$a{kyLT+c7G9yVBRegc7K~}g_(6qAaWm%@qgSO6|cll zD^cGNdQr5BGT&n??n!(lds zq?De`g4UI12}`fcQ#1OVO{R&ac_2K>B3nnBvg7T5y(*U=t&DlUpjz6|w-fW}_DAuk zX}vu=E-jVX+%hJ81y(|D9SuH_VQ&=c_H0=?5w$eI$cSxDji$GT=BE*oR{Qe|ARjPv z%@(x(+JVZzFba?frX^v$<6wHZQeENBj`fni5z!lvbJbkiYnGC>e$#i@=t>B_!HJ-=+^O;IF5B{Kmg08&JNfz%(ATaklju3?Y`qK3!G>LLk=k3jV?ikUX`*m z#d}!NRng5s>s18$y6c8YXSh?DN&GSCB#Hx`AOz8Hasr^EWG2c(DhR_!xg*k95Wd^Y z)yHWrcz73B@XaBlsrc;BCUtBv8mPYgv6Dm-Smm)YmIxZb^^%6nrZyGXYVOJu8I7!_|5jE3ic0Xg1XtyAA$zhZ39pc$Q4N>nx-a{@9OjHg^hrNw0 zBBEHyXJa*DJbJY^HGj^r>2g5hq{|mJvTRs4?sj*j?zD|=KO$pTsrE4ITHj13#9`~q z2$o`~{YAhB9&HyBj+kNx;|g}pH*TS#ed(n}0Rf1>LN5DnyRP@Dk~kVB(3Vo_%`ZI7 z&Xuzlog&v{gQyo&wd5YT!Kh7X$eakYVbVH-pQtvWtD}JhAN3KVE}q}uy7r6puqErn zm@q`Hj$e@?@YRie(ZjW}qy_zxp)wO}SxvUZbIk?jxHO&*JlAKn!VmO1wla?3=FDc& zu@V62zxO`_hASJoEen$DsWS*Wc%@4uUp0?_ko%DbN)nT(SMXVEge!et9Uf_AxD)zr z!mOI>k6pKaHx|hsA}oVJFAA3~b^5LACpbn@lmWffrt{V+Jlm~GlM_~ znJS>e-LXu8g)@R!8)J}*YxhA0Ty%ga@d2h7nBmJ$M9EGL!Rg+P^+2{j zzZV_gz8A-0zlrVI?e_pBsKHaqdaRV>)b;homQEm=65H z*H1U7SRjhyd#Gg_hmg6QhhRd4jUXqzO(5N}I1U!7?^u@9A`|Ih?{Fv_e_cnXdI9{5 zf-Yqeu0DTPVc(%a{WctYCwnin<{w~G&(cKe?v#s{Vz-gYRTdxYu5D(wyNHr)C@wVh z7Dy^ijJt?pS&Z|QdjYFM{tpzoK3GpBKTl>AzGrRlLR<3x3ou7Yd-n5Hg!~1zLit3< zx9P}u-ir~=54ulf3XX36pBeXWQ{K@FH-tXwFNzJX2wU)lB`MRopYPJ>+{G`2Fswt{W_VwGi*DU~R9lms|mfx^zRme41U4C!5BzAGJAL+PfED z@bN(fK#P-E$ERY5J_f^B;e!AmQObv{QOH3|u`FN}kl$AM@Ym4#YKkX=*F2&NKE(5e zw64l|pBjDe`j(0(h3~u)!~?7c!ujxr1lrXNfQx6LpTI7Ob6CA4EXRG&_LD;p>>c#> z2)>!Zhn+NdWF$RH<~@;TFl;Bq{?MIwkv$%&CiJ_fTzu%fLP;c3RaUNlwgp5oA|E$&N;(puo5A~Fd9_4YWbzK zd~gC?mht#1LHJkGgCoN5LfO;rkg8_nF16kcD+6w>ZzE)OhPz6*@J_B-@sMEFCx|tg z>}D59RGshWg&ftJM9jfRNRoGSs@9ckV&Sft<4&vf-G!u`dt#!_nXeVK;{KUQYCQdmnLIR1qocxZ4K&cxB@q)9 z>S=6w!xwTFa%zqAfr`cLl|N%O&d>vR05m?%qtPkiqH3*vn5?Wjo8eWx_wpdfulyh@ zPHbBtg-l0@LAvR2Ei`O!+*J%#wi$WYqS0UqH&j4JuCZD}Io(V$+Hp{UVHQ&@I8;}mT)d_{fopD*QvJDl&g?(Eb$c4YMpll-rlE~~Md0HV+J>+hbqct3Wiwxn!F%eu26VBdzY8H#Q<3QmlV|vC=8jMGV=_d&9mEc)#_2JzD=5?Qv`( z?(;t|pFIX_wa42EeBao|5i|McLzN@ob%;wJQ zGBNe)eC-=R@YkE??zdP!h#MOBMcXil$jxDXrfF)*GQ15w8Y#AV*Bc_Au~?o9BMb?J z2@^n7AYZZUt_o%ebou!$_5u3Z-!5&Rmhav!KRTOe>dXOIetbS3LGWRk{LA>`;PYe0 zBoQR*_4gQWO73mH#5^Trn; zL%j5gGjh=#OY;NQslP|4)eM=)5vPo=b11jyy*fk#(wTASjG(m;OL7PJ1vRvuB3c@c zQdANwMP)3(`%vuCILQG+fwyr36GnG0OfVE1S7t}k2j+mQKEsb7M*&i5upG4m+~Gec z7=c z=TJiGyCpHqSicp}N+`4?F=OYsH9Rk0|6%L9)EOP0sW>{u3G8XsLWc5{1OM+VApTc> zVW}~ToF*S4&9xXlj>1x|+*K4uXhVm(LzF(IS|%pJZo}?81v|t!CJ2>bDGEL?RmD(FutMYZ-3WUo z14I8t(yAnO@(yodN`^n}qbpD(C2<1{Y=q1-@qWKg;U*xsSV0=AO&}Ac?I4)ZCqvD* zU~XXe8GZ+*=Q@KCXr!3xR}CelPP3tzDEiz0{F2&R6sB%wqI?8d8zn$m+N16qqdITC zW9)e^3bU4HMcW)|)7q{R=<52NRE1XJq-wY#wb6e+IpHO3I}K-=UfW(!$4$mGdxUor z6pGu{j69vYDl#?cH(ysg;>#}l8brIo_!9iSdE0fxXS=(+?lG-s++`7h*7fwA6PgqN zKqbbrqcA#Ae>RYwPl%Ew+2J7M1nZT`*`ZAh(qRN{5Wn+@t0nD#n1;-U2cA5RY>s@q z{R4Wq2+dE2rwI=M(*S-Og16ty-<|FJV;0em%^;rC=)nM%XR*jV{0rznT+hf#coe(V z@a;C>$WXU?y`mY`qN*(lXBg~afdnnYcpgE12Tek5Iqio z$wbtA6aTY5h%G3CzrYd#m#k|8vxR>vRo&VN5r-oRbv>|gD=wf>{(v(Xv#@HM$D|*> zFi&pd@WZydvJpQ{hL4vZg_I!Wm(?!nX%vYD_X|VaWP}_;fpV`J?jPk6T00cLh)VDa zTo$I(S@|}KeyHm~L9CV9b1ldMiqu^gW_hl%@po0RVX3%?B+*%0eK$vc3uqH z-WXdG1;UjVd0ssXE{uV!^JQ+X)F`YjQQkxAE5`$z4d> zAWWEx|OvajFx_-E&?;D}{JqW@fsmW;X^0QdD=C7}ycM z^^eE|Ou}lcjq2Jd?Mr8g!;h-#m=lBVjx+gvOB~7rcSo|pYL`J&`6ya04s8;BQC)Mw zC@%^pPjV}&4A!*6TGGL1^A`4F{xExCQ6yXCFnAE+6r;^yK*`#F`_nEa^T+&A)X zB}V-;z2Ru6NLPnx+@Gk3M9g#*@gV#F=`wbJC6r z5;tTQX)rqO+)JKE6-5c{gLxD_fLYOH1Jgk2O`(zuK*yn*N7JXxGw@ZN4se`JRxyN; z4sV_~Ce@7kWZ!0R#f8Q-m~?d}Rlx$P@ji4kL>05B#xh_lTdrpDfHu|uo@+=}@NMJ{s%=Eer6jI>AubXwBhK)?Tx^I{O1CVP2F8Ax+_eK0d6zeTkL=wW zR`$TWicsX1F4n=98Dthp3|LU@EYrvURH=dSp}t~Y?rXW~(tZ@4Z9)ZZFe8$mH|Y`r z<8?9L?F5jPVRzYu7m>P`d#%D|2wm#GTm(U&og4$YYOwq_lgC#YPsZY$F05Dz5K1%* zK$xJ;lZedsj6C0b+fv{-bzHc+L_7gL_RqeUP{z0W#zrSF)x>5e0PYY;)?v+TZ#G!+ z6tA4ytMPLi?5P94Q+Qgna*|3{f>5@GtKM2|%tkR*oe_jyzh5iM;q$HtWaI~>FCkK% zNe$oN!B1hD`A6~=afIs_-5}q{JOrDSxEH-PV?OMroT!)4wN3T|t8KdVE_M?B^s!x@ zI2TVEFm8P*UoZw100-Z7p51@AjG{FUTkKA?-_)}w6mo984^st}R9$hg+e?<2K8rk} zN=voc5YwP5h`0}Dn*@SDhD1%lSL&e7+5dZSh`Ry9JklPWz|Jf={pFSji4Y;ARu%h8 zCxI1pk4hE}Mz_wwoXuqV4*}wrmh7n%&#JTfP(Z{dcTJyWvlb6&cju6lfG_;JC0GFub*{tk{GnAaCdvVtt9n3DmjD*BnpX8D8@IfoRDiy zsamvC&1`*fm_m`?E zQZf&W*&(^WQ!NSFmy(-ot4}>?D|&<4fn{~pNuk)wKW!%=)bq+ql(K>*rcI*snKMY5 zD_=+Z_)axHLk=HkGVO$j(Eo^Z>G6xA|E%uBa4r(+*aAWdxfC!gs*IRAF9YG<|0QCE zx|#Rs34@ItR32bR*uwQ-7_t3+xYkVv)j4YqAlUe`$$imb0Uill^!GwM;w+rkIx`9s zfQ!M}n=@$OmT<%{r5zx6jfphsPvOEu3660RaA%ZEJoRDY2BU3vG97xs7#htb`yM)K zm`0rp6alPe4}7R-_QWbf7{{PGIK#-E5;PXdbl^?iUwJx1x`jPCro)~7J>m7UNGP?O zG||8jMU12#q#2?1oH-|F0Kv(gA%`+|0uI~kH|d+(w=28 zKkY!E4Nmo?L(TEWR9NnKv7Aw4xZfW;aMXUu%mU!?bPT6P*YJaGJkM#4(FCgJL0M+m zaaz@}q9}AZm>CL) z5D`<(#0e;-#i3D?$-aVx#Fb?Fx!&^W#-8P<^J-#H{~U(J zcL7xvmT=i~7w{(u=7D#qT;id5U&)6VFe=Tpc|tgqLu_LmfAWv<|DY0X2IiuPIhw4J zf9NkG*VtjKO1Qbf_y5=ccz+q{?lLw^QmEn{wXC>a_aohIw6D?D#c`pJAZc_`h--_1o&E7 zu)!=j@DTIg&!KRpaxDff4zr%mxv%||g*j9M^B^-aYx2yskHTeU7dY;M8M14l*EN|R z$pO6)gX3L#`rUno)wQ#`Ge7@adZ23nOCx3XS&zq6RhwB^_Z>*x@o8Jn!jq5x$J9H8 z=fXtWnz3!I*tVUl*tTsu`C{9~if!ArZQD-z-}`i*r|;%P)lFU0Gv=swjw;=}>|DNv zZ>3+=+1Z{Q?Cb1q)2Z&MLV)z)&KnJQ{j5!^e9yZCbbXSk8iSMMyip?<0vBng5-(;6 zrm||c`OU4WBeSGDlQYPI9xN8WA`JYo^1Wpo*9^}O$Bp6?!e*Cd<2+W}fRRP~w} z#ojrQWf~OP{z|8I<Z$kyVu|pg^cZDEZetM~MnBA5Udkd%oUl>l5=!d=>rmF`8v7L37 zclrh`L!}OpuBt9qSJRyP%mEbpj^^>-W!fj&i)^DoYMVnL+5Xsb*JX;Vh@ z0<0m#vWqc1>ssbv{za$FskQ+-Ua+~Y7gVfCi7FS_%WT3(e~;lNdsf98%XjN;bN$Is z*r>LRzz(j5CdyiWbW{#&ovw_zq@I}(VDQs^1R^oAUB0;lp@ln^qXg*VFm?OJlx{?j zVF>>u7uJ4#>c6p>81UnE*QQNs?uk?R^^2N&-vy!`e2;Qmi6+z*l8RD*lz2eXC%#Lc z8BpXg^j-RVh&}nb?`Z-64eP5RAOw%}k`s|Vm`}d)yWSu4V%@7xe5JRW{paXovWmLk zJ=uYi5wj#0Q<#$BN&wVj-+v!mzV>IGyEvfP5!>mgXd zZI&GL$tUT>JqK505YROn8%%qwSbyv!+%1Ru1vSz;I;r8|x-YefPl4A^{Z+ZJCLHID zg8qxaJ?)b+Y+zZQXE~jXX;<8h@%4Rhk#Hr**$rxWP-@9uWe+&0N+u|ZIQ0Jp7yZov z`|)CYU2BPD!XGiQDbV_qB*ge2svTnzuAOSD3y-4V6Z z;|Yk)7&RhS~A6CQa0 zcMoF2c>f@Q84hQMFxpn1`^kv*!P7R<+XiIit5RzTg9ErL@JKj>cyEi-yu+lEs)Yv`DS^G`gQP)v!E^SkA3+C-V76DWjM{+clcuq2GL zi*z{V5AGaPC2dfiD1Yo3|78}CBOa*Xybr=p$3DQ8C$a($_EjIf@w-jx5&^%_<9Cw6K)L$PFYDTB)+I#EK3EnFnCX@`8O=-cMxAXS0RRFj&-bz$r19 zn88v;2csTXlPw86#s&|t2cm1Cod+;ouGE{cggAXy@7(mwGgbqlNCod>J0U1)z~mFC z?ZBJ+4_}NkuyAnp!A(ECQD*u~Nd6i88>eJ^7!drTN}u{F3o<5JVIPQmWXUwHPYTQb4Gg7bUZ7!14J22fzfQs2>xSj<`dT2K($5#QOb; z{-8>-XSF2NqoC;yF54QxZla5cIU_L71dxY`kUVSCL|MhlTJyYvfJ#LdZrJ&Zp@mjVJV-Xa~`Jlb8{gATnbIGbH>K)GTxYAy~X zqetzSEbO*Yhk!dd8v;t=94L%C5lLl4hSkE{iQMIjh;k&>ms5Q$(_e~{B+uPumOp?S zv~EUFb2*2MCu0nTi-^@Egf^T=_y*<`c$^@#;>Q&sLoKQl`bH;cCL_*zs8bv-1^~t| zJm;hgEoYRz5&y#dfv2b==J4YcB)H%;jAKdq{t0oVi6i(Ioi_MQZIg<(MUd*TPB1Fh z0z-&@ttDVG`eXI%UZ_k;L$?kL`gqfLWWY!fgJ$p}jYP1vI5M;`@Sf8Yb%`%^cN&oE ziH(*jt*_L}nMrhk1V(?4G~77+nFS;~pytq-8_R^rjKCmT%cc45kKsalbO7Z0a6I%N z+sy}cAjfItz%|JyH&@RTi;cl#>c~!xWf{y^EV*|(=YiuB$Y&(PHK~Tw_;HJR)w04i0f*23#3`|5Z^gJD9RRJlJW>}0 zDIe4a8yGbN*%z?EK-IGq^#Zkb1ITR&F1iI;-GI=ZA2T4d7N|0`m-C26yY^5pM)~=a zn%-KM#c~gOx|^B<{PK7lL^Z+^;(J`EOY}4`PH|ww@qfH7byP`duGQLsymVaN!{w7G zn6qNIQEOlU(4$vyf;(;tQ-C3J5?7ZgiG<2bFZ6?gsAp?3TdQrT9(yVTPX)XCiWc+( zL#$m!^xV%U7MvW6Ej-J@j)vkRZgIT}u7O3^|CwL)|ime1DZAo5!4{ zk=36`LXbB}ojUk{%LqtSH<9=u=S?ri zG52A@?UGDSmmVC}cP5Ad=?D{da=VH{8@r^D^AiYDU41~;3P@Cn>dTy9L;MkBNCjQ!_5+x*7m~_C-#cw^!;ZFDZC4rAn z)p;Z?&K_FzU=xh=?JjM&OpN}b5&O&(XwZrDG5+CGqAv-^nslzgP5+=$*GLHc6(JIO zs8yJeu$hWUTJ!HUvJxwsK+Ur~TMaSXmfb*F9o!`P4JJTKPvw}A8n|Qpu z>m2KLmh^1*dnD-9Tu-~V{|~ifVq;G$Py|K=V`69L_&?C)vZkgp?%)5x?AJJMG1kYo zAfZ*bB9hVvpw|Keg?Yyo$dS(^nrQY;7oDqK=BjK^g=N~U;?(Tr3H04(n;ak5`^Tf^ zlkU&W}X7`pEtN(40~R`Cc9Z{ajNnfGW2t58o^RPa9s0^GtVlc7y~3 zkrNm-STub;7&oMDVcdr8gHbpUb^=fQa{hZL+J!+TDf8{lXV~+>hUEkQ=Yq`Y-LqS8 zM~mo0Afia3O-X_oaPa4G%Ny~HRY`?uG?bF4`E;gHXW=QN^JlLn&4KKE{bz6mB$}w? zf&rZqyL3!9qVs{)JiQoIs`z#1@_O^!OHr@!u0-<+M+0mHvo2_RwAcfUDE% z`h?_&Dua~rf2;*>2rE}IZS|!ZppOmDOVX>Jj-7BI!SEI`E9MZUQ6KN z)x56y_uMn>uZCF`p@z}|IY3jpv`Ut7$KEeK(ngSNOxu4k@b@^ zAhAggEtff{OpTDP>xEa-i@Hr|z0}`Xe!jo`P7P0aB#`K}#HA`X&x3XbLp2;HD4HLt zm~6mmM4+Ab;V#!Ra#EH2zt{y@w@u~?Zz(vGQ2fvYg>|}(e45Jjo(fOVxUfq;#Qyp- z(x(7qZj*TX%7M`{ZFBFlp zM`h6QexG1)ooNkxxKn+@I25@1Wo1ba>XvzY=W0RXj66G!dVFe>V0w*6y>70CDjppB zq;6-X`|w|B?X+h7b=qr5MOj7O@Bu-O{ClQY0I49wP-0|R5V%rDh;V(Jiuq+@V#PDT)|4;{v+W5}lgch3{pic;j4y`g5u><42HvO>-R6uUj2F>R+co(Z zDH!Y!Ul$}2e^!`Dsg=d3AXPD{^8on>Fi~O~GHLa2e9rZ)Uh40I@I=eh1hyhK>%%qJ|17jR!lgD- za796CgZxI@y(vtoq~8@uNhp)f1h=IM6)NgK+};M}w=mswE+fm0Ckh8#+mEr7_-4o-EHfADaTiQ5EJ}M5G zg<4DJi}p-yh#>!s<%(Alug1}2e_QWX>Vj(rN|iha5ff>E*dCN?q#=(oDc)CiQvGid z@}a)?oR)kv6E}qfLYgim}-fXoGf zn5a$uuU$LPS81a+e{vKpZnpSww930`PZExT&-qo@N#pKl8axhQ(huv^@L5EGy`sED z!FOJld%=G`9{SAsDmm-neSjhtO>Ky#VOlD1PVyZgxEXM0LtjwM~!{eQgf8w9`Nv=j7X2 zfuRmWxX2~ZJ=GO^5&j4VdfySp3&Go2i>E_y1$@7s%0qxhGOw2OZjEMmd+eCpC@E zfYQz5vZFPpmJQ9Ux&3(5W*s02(f7y!7-I z9~VcZ2ODpD+q$%V9KPQn^Nxs1szZ#pXh$P#G>I3$U$=m0l!nh}EZJzH_4*d3FvxtL z1EocVkon9_Xa2MpdJLTAM?!6T-lT2l5Y2JG@n$^h3h=K~QT z*V#myW;BBq^u~UTCYl%10mOtCO58QezD&{xVyEKDQjd-DTjd@QxFM_n4TNpupevuj zN-}iuR5X~vjKC<)7QYg<@{D9~Yf!Y-&(RFr@YS^uE@mX{d! zpleJoEoPG5qQE)am=U963IecH1_2?s|hA+l_v%i@)9zhu`IB2{}RB! zeaIN>X?>|fKzN%QD7?bLedItueEzl}4Ls;N3UzO`<@fVk(bA9k$KK?zfOn`xdS2_i z#D}AKx^?p0ST_CC1H62zEVtMM7>dU)E+lSo5%q6dT5Y>kc)b^&7?vywP@%(xnFmkB zFKCAiL-0|u#YMY)5hZ*0)qEQ-p};m3a>28;L2Cz0V$6H0zjU0>zNaROkJcSY>&g-R z3O~0eFH9SW1HwVTj2JfpM4M*QwKf(Fp@TKN{!`I9M!d~c04U8}j`Otu7)S1zTNpw& zDsaPC)3!&;yp}kot(^tGX#|X zaiUPcn5I91>v}qR`dvMO(Dxx4ln9Cb&oY{f$`L%WBw|J|fz4@SjcDdvs0MBM^10r%fQQpq7cjN_zqy#K&T;`L1B7@h z?Xw!O=UcM4ht;P&AN8-zzMrS-J))X_v)<%m1gJ%0%|Y7mGkPcAu0?{q!|s0_2bLxG zL-}m#wo!tar8C=rGck&3ow>%dm-ciW8qkn5`snX5^P|3}576G=I+-Q(>K1??HM|XH zhS?kn0sU?5@=OoM6L-<=`hQ}IKfetYPTPMsqE2bn;1Oq_qm!pJWGlj!>aZHs$cCIu zP2IqIi9c6j@{AZRyeucK?iUWmNG$Zs(r%8u(DvE}vl{~ux!*bK*}YuTe{D3>%;f(K z*Z$KVc;EQ;dluB3T86{UHEX9Q#5$hRyxaE52h@8|aAV{8fEUGL?FdqksgQ{{pXMb9 zOT6Th-9YGf=+6bTz>r2`{TyqiV-LN%K7oJpzXT5HziCWp^eStD%4X9w+?KdFmfQb% zuQgKR$2o(o?Fb*m9@H1t@j-8)2sOn69+2at$`$hAZQYfILY=|N%3FJNH8CO($MwUr z1(0KLr%3!W31M4|+|!(@y)*LU_H!Gk31yZZa!qe6uzt;I0D~TW)_?>D4;KQCU^79k zy|)as0B+91v#bf8>T!SSNtfUo?ls~f&3nWn(GY;55cl=ae=z@E#1RRZL9j>E5V)@f z?7p4$gf=*8)BRns^|1`w`|s9Md+M8r0!T@{Zmfo#RS#6eN-eMntGGR>T-+$w>&~yv zq;6kzAW#_qpIO*cXjlBasf_#fCGO#=Y`yed`B8bOvH7O2!v%%c1?RWBGuZO{4UQ8lOCCu%M$q5x~ds z27e=P8Rr^>^he4seUr6Tj|lT^IzZ4m{b}%2Kc6U;`iLR*G~pa0}$Qziv8Vkfz$Nq%jbrG2eX5OUKl4RoZBs&aHH@A z(Q^rXR#X^iqwC!#;}0su)yy}<`}9Po)#{EF+^dkeIQA^Dhs{ko>I&HU1P5LAZ-lr& z$B}PExGbPWh4KDczu@VbXju8%ZnwI4LV#TLUxqIvP6ykbWCsYt-K|~i3P46%7WqfA z61s4{@J&0*Gp%vQ`o46hHp>;Lw|LZW^_dAZp`Wxxt#H!vF1W;7wlHCs1I&S!cp_U| z?5>njKIY&4!%2935jhZ=RH#Br-{MY^<#*$ztv-Z?#sH)|0T&`zSAVk_w6aS}eOyq| zCaoBf$slCX<~M?<3#V7|BB0K2PRBs#0@CR1+}MiIf^WmEm8%8c^0B3|QPB$(XpA?te@n$aTzOGc$(|7r zx$2d&sH6LI(3++mS*thRKk#XXTaHM~`|QRP@dZr0k4eys37;^~8GwT%UNh?nw*hfy z_SV$B9s+R|w~1uCmE6eb(eb9lW_$&NHO&57;BE`F+tit+nzf}e#1`TSQ_gweE-vsd zXV8H9WGf8aBiAkJj|ZbKsnR^^)V1m2h(?wm{{s-CAw_BurM8&j3RH!?rz0?8?mF(DTY%yBou#z?yKiQD4m|2`IeT;1FeAG0Z5z%6LzgSwF>RD+sO@`cx6nox z!+AM*fv#sDj=NW;paRSl?Ex1m?pvLInzztPE91(yLlJz=>DSfss)6W`rS66>d#a6y zb@3Vl6iDK@4S>{L1oW`OYn{;kc7S~Kv@R^9y{Qz#3?Ku z;D(F>ocO6_M_zf&?oSCj>zI6l9qGxHOE?SAdG;vD2LQ`)DU)zoA-FmMpx8E+#mt|HHRMs{YNnHv_LN|ExdImZso19fSNG7 zD@4Ha+^Xq;?J$6!*2hZ^jzZ{mHH!k+ZaY}rF6Ywg)?tfU!@vt2$6w_cim6v@cs$$k zJ3O=#6F@D`Ay1|rjaj-%>E-oaRI0u@zPY{SN=Qsg0j0B(W72m-tNY;XKn@mEmMft* zNDT}N=Ns92%DMb{s8YmL9ig0;qMS6AeA8o~<@QMl`N0+3WQzhHmh~(N)>K7amqz{yG1Zls{5@yzHF@ZO`~@+mUE^0af2W5C}3<;%Th$J2~5J*EFC`|{uD3WGvh_}@c(O}=KoWY^@Y zZ$we0QJq8@V{cch|JBy>ee=F-RjrG$yS?xVIEn3H$g4%c{(ard+FYJ>|MhukR(@=* zb|GfNzPe6RRU%pqF>(CoYM`M_mrPb;Woq(uUoE+0hI3i-N6k8k?7k+;%SMv{RH-7N zXQ|bZ32wV&Btn#dJa^qa%L=O`U~M9Dj3Fu|^}e=u&z`MH1qBx8t;PahO={%Zu)M?w zK*fF=^-{2*cFmbjoj;<5ov@Z|!T^h=&Jz+HryOF7-TEAs0^zAhh(|+na^BJzx>PN` zbrpH$$C0g}wkS@F&a-sjJ6xHjyBP=<5LK?XXJ|EIWHO;(e_2xYnZLXB!QqY>hY6F( z94Io0l5jyQ-B(S;!5nE$SW$5?@6 z`ZN7`-uT)66~+FQ^TG;f^m|b$VT5UzGwSV33GBNX`KMW}dLZ*Zw-^P%HDKWqn1;0#gb7mYc~#_R)P7GL++S4$a`x%&pjPHlV}Rl z*{MrlI`XJhDn|MKyTI-0KB#SJQaMUPR&E;+FF+0RmrL!3fn*PX2fJUAVoOVc84 z{=2R3LPtdR3}6}{6W6<2(U3&{>AAgd(&Ty}559oR^y1ksS_PMpw7sg-RVcOKCyb<0OpJh)Jv^{#;>_;}Mje{XpZkBLgT-C0l0 z3Mu+<;<8^^O78s(c>VkXt_=gsxbVhzFc~Pb7%YU3OHUNA0`JN{kHr8>bvTsp=L?cW zgVQmGf)v3A^WqdQTTp+sAosvb$A>*Rxa9&loR6cGe z>2Y|zp%A$FnjFVsEOuQ-bK-8yZ90f-)LA>s6#3RYotxAIfX+_LcvBIfP1taPmj1|R zvAPs@)ikDcrzGnt#l&w-kLdF|x6f~wx*tcf-(w^pnQz0RbC@(+U^{snwn*CKw#Vq( zy83U#TVhZ;IMY$XW*<%?B2WD&=TEA&T5UgXN-?0bs9s&PC(jlNo zB`|s)B_jkEkn>1BEU_E-U*!6%U7+R{qLfA7a`2y2ZSGna1REZGovaTNWb8JKbTA*( z+T!tlk)98WHXeUTu<|+k!~UFFsU44j&Ki zFV#*LwiNwlWD{VA+_jC6Wd*W;ScgJgjW)~sbIU?5Z z3Tj?kY=>T1fN-!!znJ&iwZQ$Vt;s_1?r-2pmkN4o4-{hm!LH1yh zBbV(PD`6BIi`35xy2&tIeg+be;G^C`^D!4Ei$@qZFKmyqROZ7%FMhylwCf^aJaGTP z@CbX4H{v=L%I30;+@vEd?#V`!rvjo;Dp|-rV6x&*g>86;GZoj_K|n~Fp7sP4WKlp{ zFMNT?pHi<$Do9-PxGC9)r|QwtX^mPUdxI(mUGSAiBD4b3EO1A5U=ktX&MWf7UcI_x zv_A7`0qMvn$QBVR-p9Vw;a&Hk%xNcYOy=vBz~{k9TuN;wnm*&iXhkQWk}=doZgdC* zz$XANGR+~B_FH%k&=*_!1o;4x;Y?*{6R}%h_DO<@lF3+oJyPc|oRoic8~Xm0&1(&L z0jVb#6h>`jqp!mibL9&CtCg@E#I9++l5YaGrz~@2c&^PE?gu2$3 zSFyX4B}l&iqG{C5zvX`Mk{}UAF%xGFfWLVtWylRYTh;Tl@E`tK221o6ry_m*Ynm6n zX7E=TkzX9yetBUnEP`Wz$NsOeytDEcE0+j{4O^NCY4-is@`u3F*U&*Xe+)_7j<)l( zx`yy*Ca^{g)q-=-xT#foDCRH*L2F%O+b2Htof*_*?Mzqay2 zo;axGFSPY2en(AZlp`Ghmp&8y;9#x`US20?5hZS_PiVnG!V0@0lXi(pmLoxvX}KYvG>R-nKYOPVp%$oezc(V+>|!=I;$0dwgq zC&I-Pw(CoqUPrChvz1L>foHwIx1u5rX-rqxsI7}Tf?gnLVM~HcX|+VcVqru3f~`aQ zLLCBWvipMWVb4Uutv~Lp;_J6ziM;Ie<7lIiAG~Y8d)@y2%Dw>AWM+&Qjeb?^kjs+w|09dYDF#UPb&{ zvGg|LpQoGYv{(C{w~lakOY~GvmyK<}+OZ-^s%jU_0qxYGll$(KAMC{7?d$Fj0P>xb zcYNSqFh(%JA}>VGHq-22m5k<_Hkw>EQ(1ya5roSjYuI)8aoFH}GT83oE1l2b9?!+E z@NQnjL+%GZ#av?<%#DRZ@72LMYMQ1-amMD!sH|*c9VN=>z<}SsKY)^-xTo$%m(EiD z%g0ORsIT9_NQXa`Zc<~Bk_iLIfP-zO*agNIC3neDUKrtzk*Dti0lT(Oc+x?yTQj3Q z$}xdNM#-PiZWBkeuEKs1oYA5CZUK`+^8RXy8#`A7HA^nOz{bnDOs z@@3gDTeeeEwL7sR?Im^vP*0M`s4oWHAztCh+W^0wz}# zg%!@{d#y+!qziLq-B$gg2hgaJMeo}RDwrVp{6M}8UfQ$kW#By^EOBZX`$;k#cfm4fv zqwt?YQI8WWGRp+>+oVP)Sr^tY-S!R~Mz+baU^0XNqGGbk$b5=TeFw5WL)&Exs(-{- z5@7|ag{0*`y{h5C!q+CBxSHfYP5zeqel z1^U*A{UGg`KkKj_Rq_`OjS`qL1U!|hh^{HIAcuh&z>a~i=5GkCnTW}JPcy9p^fj>3 z5h9%qT)(dD58S-+XkJjzu3t$3WVI%t8*_4gMku2WcM!MnQevz`A`QV;3r$n1qkv$J zACo$)zDl|hNJS|O1UiTObXJV86+wisuK!v@>X@I@7D*w=rQFFH!%~I%BvEpG8p=ds zs7x3Iz`W7(1t0iN1cksLTY!V0LRp!l^7Sc(Vh9R9SO;2uqpWu$6X`|FvEf=gTZUe8 zL_JuNwU=q(a_hq77@atjTsM)(ZqZw6H#cSl6;1we!m>!igVo(`u>+;oQWCZz+d)v@ zIJYe&79B~ys^X7|BLUYDHN&Zf#MF~wu078M2%k8$hk&HJ7O|z49tWo?dZYK`Gx;}C z;-~rDxq&3$xqy7&P9*7E; zcm+VBuC@)A#~*)11@Z()eINR$VYNW-Jzsww*1m@QhZgNiRxr0^hYgJ_3+YWPLSR$@ z^qJJmwqb=wRHT7e#PO6;!#8Ji5G^qb-xIuw<#DR0lT~2ylL@`b0~U%C+q03wl}?ND zYgsg9-MSL~Ms89pMGS~d0Q@pjzD)WstOE|k2s=IqxrK7Cg={;if&XQ1cqHk)Q*NFS+6o*}@x*Ak@Rnqd$&FPC( zI=^@{&=SMt!e(sx^h<|ptCP-d8e;)b#466#)tpa>zf?z#*sQR5>EXMRU0bbq#2?=zpf3IMO5?D8$g@N?`LKuBA$L^(X4MTAa44yr zChqWtbd0PXQLUiBVpEMg-A+FE6=E{LdR4_Zy^HML$8}{qlu*~h7L#C3&NRD~`zd=i zAk0X-X;SP>EQIJ&T|(*)Dn@YzP#CX(z{eoXJV|4P47p_-8$OKgQj#Dx=elaaC;zOA zpTDl_9YE*G+nM`_TW5|w&aN&CEYHFF5+F91QpK&eJkR##YK+E?Ov8fn+@~9WsL{fd8aM;^dE_E#)=HA*5zRd4bD#;P8_GyxyX8daM>#33y%fjF%?>q4tZcm0m~R6^Wgp6HNf zin@l|s?-dr7pR@pO$HiSZh)Poxk^JhC$7?ql+gotmV}{2SQWzm z{*uuFj*RNmmzT>)@*r%w6UC!tXlDnSa`$z&dH=3HYHs|R*dbHI!b#o3RhSKR#D0`K zpwxBT-tK*el!SPA_+K@ZcH=670nD7{Zwg8S(3DO(WJl*=e7;3ZSdso|^ba98rD_Am}O!tKKQHdNEQ2f(k^s11=g|wnVS_xxcv`b-x8n z{8L4YzR&m5@&uR;f5v7S5Qb{td;7mUQ)tkhf^*A9zVHvz&i{Q4*q_husYASfT0@}XDm0h)c>J2 zbt|`0RJPOv%ILQ00zZaFk?5_~vA3Bv>M-*=oibY!ZrHx|fMgX~K8yMeNE!8J3~Oq= zlx>2A!&+w|u#N5sHPpc+1ipntZgt(YstsWeF;QmPPa%jbuUYxpIeYQU2@VJWxb{Uh zR={RJZ3-0JYHhoQ`i>~Wc-xJ!E_#2M$e#yrESF($`~jzRJP!9aF!H9eCa*HL|vQ%~WyW&jb(YsLx=oP7hm zp~i?AU6X#{3FrG6;OmVwA-#@?`b|?0Ip#OT-f;D}M#5CiD?CSbW-N4n{_U z=T%4Nj`yp5s+ZSG8HKXo2B=tsk2`HrO&#}SyjJq^GG2Piohj$BAHvxu`tGD2ueUln?sJbLL372+~rqwXM-#a`(7VLmax*3yPZ{F+$z ze!*;uUdw#LTv86;;3#|Q)fKC9Wn;!#u)vQoH1IoAhhn=LJpnr zCUZ~Hm$-!fWJdaw#vnRR@HX8#U0fEkqBSau;y!#Jh@A~S>wDsp0H^qb*|gX*9o zPF(o|*PS@K)%zYy`i!~*efeAwiwl!@=|t60w<1qvsn%&t>ewd6nn1CmlKtBbxOw7Rv2SaY&(O z7?Ik3LkLT%D1}soJV^|0U60E^8nEJ#p9~hG_$$|m;G7LrV+_n9Thfr5E+=E$rsu) zG-4H!LpA0iG3hGa<57q^Cg}G>PgljyJXtaTZH*bg(?yN6y&6wJ64%_mBpfq(b)Q3CT&J`iPgIy9qVF95 zUYD}!KK0EM^Z8ao6evlK=XXXDcoFjCUX?rt10%JKw539fEY_dgsGV}FzJYOMPF$ak ztk0(ykC%G4^J6X;IKDs8))72lo0@q+;z&208sooX!P;ofy5@EBF>kT4h4oH8n*IJE zUF#u&E-7~j@*W0!<#OaHKU{pSv~u(SKIv9Ew1C+1KqSV%)P?3CS*!Yl(jH_VifJ2s zMV^q^b4wJx^9G_ga(I?51&|XD=)>TJ{es1V*3(-F><~BvqF$(0{iZFCa%ihR`gVlh z%~>mpS`52l$SsI#$GE!tKjD?Y4!T?JSN|-JNo2}J6WPJ!`J)GcN5&m)$EOa_!awBDfntfxY0TW}(ucP1FGOgO0& zD8c8nLGd$+>5-O#W%;!Sk-#c|kvtC~T)u7@e0pfUJJK<_H?zh6t0W`mX_$b&BR6l(ke7$9~-!6fkPtbbM^~aNpNs+RHT@A2w{>7v+@mZ?DRP(B$x&t!xBkT}nW$Po; z%Zhd2CTilMEsXTBiA@+gCkEAcc+jnCE=6P;a0g{IHUnown_nopku5F|^vJk$!eY7W zRM01+jk?jWbSog1GS%{PD3_DN#drX0XP`vZHSG}C$n@g;bP>kO6g=^k1U8;CP(1Gl(PV~isms% zi56ij@`CXyHHw4{ZAW1^u6_96R3Yjwh+$RMHRvoxFbo(>4{>5W_WC__8+s;5n@P zACx|E$(1r!Cs(%f9%l|HR3XM*x9vEl|yZd)=vN0fbhnEa>@}+#- zh0w(;ERM*Y{KpTOetCG2zfY1-!8PUm&deYM7$ z=hM})Z8Oh|VSDAR_4kJr6euU@h75zbQ`@h_WyLJRrPe$T6Y+IX^YT!2m%yChq;;3x z&y}NJ6VC(@ykh{2co$%}v*`_I^wu!Y+t#UVFqfse!}gdvwF8uNGd=ie>iskLb(1Ff zdVTOSc-1qFyzAO~spraIPmDjn!vZ_mLj;X)i4wu!ZNf=C&H@6mJ{y(}