MIME-Version: 1.0 Content-Type: multipart/related; boundary="----=_NextPart_01D96C2D.20D66570" Questo documento č una pagina Web in file unico, nota anche come archivio Web. La visualizzazione di questo messaggio indica che il browser o l'editor in uso non supporta gli archivi Web. Scaricare un browser che supporti gli archivi Web. ------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="windows-1252"

 

Revista Nebrija = de Lingüística Aplicada a la Enseńanza de Lenguas (RNAEL)                                     ISSN 1699-6569<= o:p>

Vol. 17 Núm.= 34 (2023)                                            =                                                  doi: 10.26378/rnlael1734523

Recibido:20/01/2023 / Aprobado: 24/03/2023

Publicado bajo licencia de Creative Commons Reconocimiento Sin Obra Derivada 4.0 Internacional

 <= /o:p>

 <= /o:p>

&nbs= p;

&nbs= p;

&nbs= p;

La entona= ción prelingüística de los enunciados declarativos en el húngaro espontáneo=

&nbs= p;

The prelinguistic intonati= on of declarative utterances in spontaneous Hungarian

<= o:p> 

 

Kata Baditzné Pálvölgyi=

Universidad Eötvös Loránd, Budapest

b.palvolgyi.kata@btk.elte.hu

 

<= o:p> 

R= ESUMEN

El presente proyecto se propone analizar la entonación de las declarativas neu= tras en habla espontánea del húngaro a partir de un corpus compuesto por 300 enunciados emitidos por 60 informantes. En nuestro análisis seguimos el mét= odo propuesto por Cantero y Font-Rotchés (2020), el Análisis Melódico del Habla, a través del cual medimos la frecuencia fundamental (F0) de cada sílaba y estandarizamos los valores. Según los resultados, las primeras sílabas inacentuadas de los enunciados declarativo= s no indican valores tonales más bajos que el registrado en la primera sílaba acentuada. Las sílabas acentuadas en el cuerpo del enunciado pueden asociar= se a prominencias melódicas, pero la mayoría de las inflexiones interiores se producen sobre sílabas átonas. En cuanto a la inflexión final, los enunciad= os declarativos neutros en habla espontánea también muestran un ascenso tonal = en lugar de un descenso, pero este ascenso no es muy considerable y su valor m= edio es del 20%.

 

Palabras clave: entonación, húngaro, declarativa, pico, espontáneo=

A= BSTRACT

The present project aims to a= nalyze the intonation of neutral spontaneous declarative sentences in Hungarian, b= ased on a corpus compiled from 300 sentences from 60 informants. In the analysis, the method proposed by Cantero and Font-Rotchés (2020), the Melodic Analysis of Speech, is followed, in which the fundamental frequency (F0) of each syllable is measu= red and the values are standardized. According to the results, the first unstre= ssed syllables of declarative statements are not lower in pitch than the pitch of the first stressed syllable. Stressed syllables in the body of the utterance may be associated with peaks, but most interior inflections extend over unstressed syllables. As for the final inflection, neutral spontaneous declaratives are also accompanied by a rise in pitch instead of a fall, but such a rise is not very considerable, with a mean value of 20%.<= /span>

<= o:p> 

Keywords: intonation, Hungarian, declarative, pe= ak, spontaneous

 

 

1. INTRODUCCIÓN

 

C= antero (2002) propone que la entonación puede ser examinada en tres niveles: prelingüístico, lingüístico y paralingüístico. El nivel prelingüístico está relacionado con el acento y la organización del discurso en bloques fónicos, que es una etapa previa a la entonación lingüística. El nivel lingüístico d= e la entonación se refiere al significado que puede expresar de manera sistemáti= ca, como la naturaleza interrogativa, suspensa o enfática del enunciado. Sin embargo, los significados como la ira, el reproche y la malicia, que en otr= as teorías se consideran expresables a través de recursos entonativos, no son sistemáticos y se excluyen de la fonología de la entonación. Estos signific= ados solo pueden ser expresados por recursos paralingüísticos, por lo que perten= ecen al nivel paralingüístico del análisis de la entonación.

C= antero Serena y Font-Rotchés (2007) describen los elem= entos del contorno entonativo como anacrusis, cuerpo e inflexión final (IF). El término "anacrusis" se refiere a las sílabas átonas que preceden al primer pico y que generalmente se ubica en la primera vocal acentuada en el contorno, pero también puede desplazarse hacia la izquierda o hacia la derecha desde el primer acento léxico. El "cuerpo" se define como las sílabas comprendidas entre el primer = pico y la última sílaba acentuada en el contorno (también conocida como el "núcleo"), desde donde comienza el desarrollo de la inflexión fin= al. El término "inflexión" se refiere a un cambio tonal en la entonac= ión (véase Figura 1).

<= o:p> 

<= span style=3D'font-size:11.0pt;mso-ansi-language:ES;mso-no-proof:yes'>

F= igura 1. La estructura del contorno entonativo, según Cantero (2002: 161)

 <= /span>

H= ay un paralelismo entre esta estructura y la clásica división británica de la unidad entonativa básica en inglés y que estaba compuesta por prehead, head ‘cabeza, precabeza’ (anacrusis), body ‘cuerpo’, nucleus ‘núcleo’ y tai= l ‘cola’ (inflexión final), véase Kingdon (1958). También puede observarse cierta correlación en la escuela norteamericana (v= éase Pierrehumbert, 1980), con el tono de frontera i= nicial (anacrusis), acentos tonales (un H* asociado con la primera sílaba tónica q= ue recae en el primer pico y con las inflexiones tonales que pueden producirse= en el cuerpo del contorno) y la combinación del último acento tonal, el acento= de frase con el tono de frontera final (inflexión final). Tales paralelismos e= ntre los diferentes sistemas de representación se ilustran a continuación en la Figura 2.

 

F= igura 2. Correspondencias entre la estructura de la unidad entonativa, la representación autosegmental y la tradición británica, ilustrada con un ejemplo tomado de Pierrehu= mbert (1980: 292): ‘Ha sido una noche extraordinariamente oscura’

 

En consecuencia, hay dos picos tonales fundamentales que separan estas tres partes, el primer pico y el núcleo. Normalmente, el primer pico suele estar ubicado en el primer acento léxico del contorno. El cuerpo se caracteriza p= or un descenso continuo (declinación) hasta la emisión del núcleo, que se corresponde con el último acento léxico del contorno. El análisis de estos elementos, como la magnitud de la anacrusis, la posición del primer pico en= los enunciados, las características tonales del cuerpo y la dirección que descr= ibe la melodía en la inflexión final, corresponde al ámbito de la entonación prelingüística. En este nivel de análisis, aún no sería posible obtener patrones entonativos con capacidad distintiva entre modalidades oracionales= o de determinar la entonación específica de determinadas emociones, pero tien= en un papel importante en la delimitación del habla en bloques fónicos y que s= ería característica de la lengua o de la variedad lingüística que se analiza.

En este artículo nos proponemos exponer algunas características exclusivamente prelingüísticas de los enunciados declarativos del húngaro. Basándose en Va= rga (1994), en el idioma húngaro É. Kiss et al. (2003: 378) distinguen once patrones melódicos (los llamados elementos melódicos) con roles gramaticale= s. Tres de estos patrones son descendentes: los descendentes, semidescendentes y los descendentes-ascendentes. Estos tienen variantes monosílabas, bisílab= as, trisílabas o polisílabas, pero la característica común consiste en que el t= ono decrece en mayor medida en el desarrollo entre la primera sílaba (acentuada= ) a la siguiente, lo que en el caso de la variante melódica monosilábica toma l= ugar dentro de una sílaba (Varga, 1994).

L= as oraciones declarativas en el húngaro suelen caracterizarse por una melodía = de tipo descendente o semidescendente. La diferenc= ia entre ambos tipos radica en que en el caso de la melodía descendente la últ= ima sílaba alcanza el límite inferior del rango tonal del hablante, mientras qu= e en el caso de la melodía semidescendente no lo hac= e. A diferencia de las melodías semidescendentes, la finalización se percibe mediante melodías completamente descendentes (Varga, 2002). El descenso no parte necesariamente de la primera sílaba del enuncia= do, ya que la primera sílaba acentuada también puede ir precedida de otras áton= as, que forman en este caso un “apéndice” (É. Kiss et al., 2003: 379, 381). Este apéndice inicial podría equipararse, en la descripción de Cantero (2002), a= la anacrusis. Al mismo tiempo, en el habla espontánea, especialmente en la producción del habla que requiere un mayor esfuerzo cognitivo, y en situaci= ones casi monológicas, una melodía ascendente también puede acompańar el final de las melodías de las frases declarativas que ind= ican la intención del hablante de continuar (Markó, = 2012). Esta melodía, sin embargo, se ha considerado no normativa y algo estigmatiz= ada (Markó, 2009).

E= n la representación de la curva entonativa asociada a las frases declarativas neutras, podemos ver que el tono de las sílabas acentuadas asciende ligeramente, pero en el conjunto del enunciado se muestra un descenso conti= nuo, con intervalos descendentes iniciados por las sílabas tónicas (véase Figura= 3).

&nbs= p;

<= o:p>

F= igura 3. Representación de la entonación de oraciones declarativas en húngaro: movimientos tonales semidescendentes, luego descendentes, hasta el final del enunciado (É. Kiss et al., 2003: 379). La frase significa ‘Voy al bosque a cortar leńa’ (traducción de la autora)

&nbs= p;

La melodía del apéndice inicial es una melodía flotante o de nivel relativamen= te bajo (É. Kiss et al., 2003: 379), en este caso hay un ascenso desde la prim= era sílaba del enunciado hasta la primera sílaba acentuada en enunciados declarativos neutros (Bendik, 1999). En la Figu= ra 4 se ilustra este fenómeno.

&nbs= p;

<= o:p>

F= igura 4. Representación de la melodía en enunciados neutros con apéndice (Bendik, 1999: 107). La frase significa ‘La prosodia d= el habla es lo más importante’ (Traducción de la autora)

 = ;

A= sí, podemos observar cómo a partir de las sílabas acentuadas, que se sitúan en = la cumbre de una resituación, se inicia un descenso melódico acusado. La estructura melódica definida de esta manera por las sílabas tónicas en las declarativas del húngaro se asocia con una prominencia tonal que a su vez se acompańada por una prominencia de intensidad (Honbolygó y Kolozsvári, 2015). Dentro de todo el enunciado= , si los semidescensos sucesivos son finalmente segu= idos por una melodía descendente, los elementos melódicos sucesivos descienden c= omo resultado de la disminución de la presión subglótica, alcanzando así un niv= el cada vez más bajo. Cuantas más melodías semidescendent= es haya en la frase, más plana será la melodía descendente al final de la fras= e, es decir, menos pronunciado y lento será el descenso, ya que debido a la proximidad con la línea de base (o sea, el punto más bajo del rango tonal d= el hablante), quedará menos espacio para la realización del descenso (Varga, 1= 994: 494-496).

E= n la presente investigación nos proponemos dar respuesta a las siguientes pregun= tas de investigación centrándonos en el nivel de análisis prelingüístico para estudiar la estructura de los enunciados declarativos en húngaro en habla espontánea y que contienen varias sílabas acentuadas: (1) żCómo se caracter= iza la anacrusis? żEl apéndice se caracteriza por un ascenso hasta la primera sílaba tónica, o es más bien nivelado? (2) żQué rasgos tonales se asocian a= las sílabas acentuadas dentro del cuerpo? (3) żCuál es la dirección y la magnit= ud tonal de la inflexión final? Para dar respuesta a estas cuestiones, analiza= mos un corpus de 300 enunciados emitidos por informantes húngaros jóvenes aplic= ando el método Melodic Analysis of Speech (MAS) ‘Análisis Melódico del Habla (AMH)’, que se propone en Cantero y Font-Rotchés (2020). A continuación, daremos a conocer los detalles del corpus analizado y la metodología aplicada en esta investigaci= ón.

 <= /span>

 <= /span>

2. EL CORPUS

 

N= uestro corpus está constituido por 300 enunciados declarativos emitidos por 60 informantes (30 mujeres y 30 hombres). De cada uno de los informantes, toma= mos en consideración 5 enunciados declarativos para el análisis. Los informantes son estudiantes universitarios húngaros no fumadores de edades comprendidas entre 20 y 26 ańos. La fuente del muestreo es la base de datos BEA (Beszélt Nyelvi = Adatbázis, ‘Base de datos del lenguaje hablado’, = Gósy et al., 2012) que está formada por un total de 89 horas y 9 minutos de duración. La siguiente tabla contiene los datos relati= vos a cada uno de los 60 informantes.

&nbs= p;

Código

Duración de= la grabación

Sexo del hablante

Edad del hablante

Profesión

HS-1=

0:40:44

M

25

estud. univ= .

HS-2=

0:39:19

F

20

estud. univ= .

HS-3=

0:34:10

F

22

estud. univ= .

HS-4=

0:35:07

F

24

estud. univ= .

HS-5=

0:41:55

F

22

estud. univ= .

HS-6=

0:49:12

F

22

estud. univ= .

HS-8=

0:44:44

F

22

estud. univ= .

HS-9=

0:58:37

F

23

estud. univ= .

HS-10

0:52:34

F

23

estud. univ= .

HS-11

0:37:01

F

23

estud. univ= .

HS-12

0:48:36

F

24

estud. univ= .

HS-13

0:47:13

F

21

estud. univ= .

HS-14

0:43:01

M

23

estud. univ= .

HS-15

0:32:19

M

23

estud. univ= .

HS-16

0:48:13

M

20

estud. univ= .

HS-17

0:43:55

F

23

estud. univ= .

HS-18

0:59:36

F

23

estud. univ= .

HS-19

0:54:28

F

24

estud. univ= .

HS-20

0:36:20

F

20

estud. univ= .

HS-21

0:45:09

F

22

estud. univ= .

HS-22

0:38:30

M

21

estudiante<= /span>

HS-23

1:04:36

F

23

estud. univ= .

HS-24

1:03:29

F

21

estud. univ= .

HS-25

0:44:41

F

23

estud. univ= .

HS-26

1:05:37

F

22

estud. univ= .

HS-27

0:50:20

F

22

alumna

HS-28

0:53:46

F

21

alumna

HS-29

0:42:53

F

21

alumna

HS-30

0:50:00

F

21

estud. univ= .

HS-31

0:51:50

F

24

estud. univ= .

HS-32

0:55:08

F

21

estud. univ= .

HS-33

0:40:23

F

21

estud. univ= .

HS-34

0:39:49

F

22

estud. univ= .

HS-35

0:37:51

F

21

estud. univ= .

HS-36

0:38:25

F

20

estud. univ= .

HS-37

0:56:19

M

23

estud. univ= .

HS-38

0:55:46

M

22

alumno

HS-39

1:00:19

M

23

alumno

HS-40

0:44:03

M

22

alumno

HS-41

0:54:32

M

24

alumno

HS-42

2:20:40

M

23

estud. univ= .

HS-43

0:57:01

M

22

estud. univ= .

HS-44

1:06:54

M

22

estud. univ= .

HS-45

0:38:35

M

22

estud. univ= .

HS-46

0:42:41

M

20

estudiante<= /span>

HS-47

0:59:43

M

23

estud. univ= .

HS-48

0:40:31

M

21

estud. univ= .

HS-49

1:12:08

M

21

estud. univ= .

HS-50

1:00:33

M

23

estud. univ= .

HS-51

0:43:31

M

23

estudiante<= /span>

HS-52

0:40:13

M

21

estud. univ= .

HS-53

1:12:36

M

26

estud. univ= .

HS-54

0:38:36

M

24

estudiante<= /span>

HS-55

0:49:57

M

21

estudiante<= /span>

HS-56

0:49:56

M

25

estudiante<= /span>

HS-57

0:57:16

M

22

estudiante<= /span>

HS-58

0:46:47

M

27

estud. univ= .

HS-59

0:44:03

M

22

estudiante<= /span>

HS-60

0:37:37

M

22

estud. univ= .

HS-61

0:24:09

M

23

estud. univ= .

Duración to= tal de las grabaciones (horas)

82:09:00

 

Edad media = de los informantes (ańos)

22,33

 

sílabas examinadas (número)

2091=

 

<= o:p> 

T= abla 1. Datos de los informantes y del punto de extracción de las muestras.=

<= o:p> 

L= as muestras examinadas del material sonoro son conversaciones, a veces con gir= os monológicos más largos. Los enunciados seleccionados = al azar son oraciones declarativas neutras sin focalización, de al menos tres sílabas. Sin embargo, debido a las características del corpus de habla espontánea, no siempre obtenemos oraciones completas sintácticamente bien formadas: a menudo los hablantes se comunican con oraciones incompletas, interrumpidas y, a veces, con fenómenos de disfluencia, por lo que también = es común que las melodías terminen con un ascenso (o una melodía suspensa) final en lugar de un descenso.

La siguiente figura ilustra un ejemplo de este tipo de enunciados, en el que la melodía que inicialmente desciende es seguida por una melodía ascendente. E= sta estructura melódica podría indicar la intención del hablante de que la emis= ión no ha finalizado (en los ejemplos, el código de cada enunciado se compone de los siguientes elementos: HS =3D Hungarian Spontaneous ‘húngaro espontáneo’; 33 =3D hablante= 33; 2 =3D 2° enunciado analizado).

&nbs= p;

<= o:p>

<= o:p> 

F= igura 5. Melodía final ascendente en el enunciado húngaro Nagyon tanárom volt= ‘He tenido un profesor muy bueno’.

 = ;

 = ;

3. LA METODOLOGÍA APLICADA

<= o:p> 

E= n la presente investigación, utilizamos la metodología basada en el modelo de análisis de estandarización de la entonación de Cantero y Font-Rotchés (2020), el Melodic Analysis of Speech (MAS). La teoría de Cantero se basa en fen= ómenos observados en oraciones espontáneas y solo utiliza la realidad fonética como base de análisis, lo que la hace independiente de otros niveles lingüístico= s. Se examina la entonación de cada frase con el software de análisis de voz <= span class=3DSpellE>Praat (Boersma y <= span class=3DSpellE>Weenink, 2020) y se estandarizan los resultados asign= ando el valor de frecuencia fundamental correspondiente a cada sílaba, de modo q= ue se puedan comparar las configuraciones melódicas resultantes de los enuncia= dos (es decir, la alternancia sucesiva de los valores de frecuencia fundamental) incluso si no han sido emitidos por el mismo hablante.

La estandarización de melodías no es un método nuevo en la historia de la entonación. En el caso de la melodía, la estandarización de los contornos d= e la melodía se realizó primero con semitonos en la denominada "escuela holandesa", también conocida como modelo IPO (entre los trabajos cread= os en el marco de este modelo, véanse, por ejemplo, los trabajos de T'Hart et al., 1990; Adriaens, 1991; Beaugendre, 1994; Od= é y van Heuven, 1994). La diferencia entre el mod= elo MAS y las curvas estandarizadas de la escuela holandesa radica en que el mo= delo MAS utiliza porcentajes para representar valores estándares, lo que lo hace= más fácil de manejar que los semitonos. La melodía estandarizada se representa mediante una línea que comienza con un valor arbitrario del 100% como punto= de partida. Para cada sílaba, se calcula un valor característico porcentual en función de su altura en relación con la sílaba anterior, determinando la distancia tonal entre los valores absolutos registrados en los segmentos. S= i la sílaba tiene una frecuencia fundamental inferior a la sílaba anterior, el v= alor porcentual será negativo, y si es superior, será positivo. El modelo MAS se aplicó primero al idioma espańol y sus distintas variedades peninsulares y latinoamericanas (véanse, para el espańol peninsular, Cantero et al., 2005; Cantero y Font-Rotchés, 2007, 2009 y 2020; Font= -Rotchés y Mateo, 2011; Ballesteros, 2011, sobre el es= pańol septentrional; Mateo, 2014, sobre el espańol meridional), así como diversas variedades del espańol de Colombia (Estupińán, 2015), de Chile (Barrena y Solís, 2011; Céspedes, 2016) o de Cuba (Muńoz Alvarado, 2012).

P= osteriormente, el método también se empleó para analizar los patrones tonales de otras lenguas, como el catalán (Font-Rotchés, 2007) y= sus diferentes variantes dialectales (Font-Rotchés,= 2008 y 2009), el alemán (Torregrosa-Azor, 2016; Torregrosa-Azor y Font-Rotchés, 2017), el chino (Wei-Li, 2011) o el portugués (Araújo, 2017; Mendes, 2017; Paixăo, 2011), entre otros. Actualmente, se utiliza con éxito para analizar las interlenguas de hablantes de espańol de diferentes orígenes, como taiwaneses (Liu, 2005), brasileńos (Fonseca y Cantero, 2011), italianos (Devís, 2011), suecos (Martorell, 2011), polacos (Urbanik-Pęk, 2021) o húngaros (Baditzné Pálvölgyi, 2011, 2019, 2022).

O= tro ejemplo de curvas estandarizadas basadas en porcentajes similares se encuen= tra en la investigación de Olaszy y Koutny (2000: 182-183), pero en este caso solo se proporciona el valor porcentual = de los movimientos melódicos más importantes en comparación con el valor anter= ior. A diferencia del modelo MAS, en este caso el valor inicial del 100% no es completamente arbitrario, ya que representa el valor inicial de las oracion= es declarativas. Por ejemplo, el tono inicial de las preguntas absolutas es so= lo del 80%.

El método MAS busca simplificar la melodía eliminando las variaciones micromelódicas irrelevantes y estandarizando la relac= ión entre ellas, en lugar de trabajar con valores absolutos de frecuencia fundamental. Esto permite describir patrones melódicos independientes de las características individuales de cada locutor, como su tono típico, que puede variar en su percepción según el informante. Por ejemplo, si una melodía su= be de 100 a 200 Hercios, se considera un cambio del 100%, pero si sube de 200 a 300 Hercios, ese mismo aumento solo se considera un aumento del 50% en rela= ción con el valor de partida y se percibe de manera diferente (Font-Rotchés, 2007: 87).

B= asado en el método MAS, los valores medidos en el centro de las vocales deben ten= erse en cuenta al anotar los valores de frecuencia fundamental, a menos que se t= rate de una vocal con una desviación melódica mayor que el umbral de percepción, superando al 10% (Kassai, 1998: 213; Font-Rotchés y Mateo, 2011: 1113), en cuyo caso se tienen = en cuenta los valores extremos de frecuencia fundamental de la vocal, por lo q= ue una misma sílaba puede tener varios valores. De esta forma, se puede trazar= la curva melódica de los valores absolutos considerando de forma sucesiva los valores obtenidos en cada sílaba, y en la cual se prescinde de las fluctuaciones micromelódicas que pueden ser mediatizadas por las vocales sonoras circundantes, ruido de fondo y otras variaciones melódicas insignificantes. Frente a esto, si en lugar del primer valor tomamos 100 como valor de partida y si en lugar tener solo en cuenta = los valores absolutos otros valores obtenidos consideramos los descensos o incrementos tonales en forma de porcentajes y siempre con respecto a la síl= aba anterior, se puede definir la curva estandarizada. Este perfil melódico resultante también se encuentra exento de las características idiosincrátic= as de cada hablante y no afectaría al carácter general de la melodía.

P= or ejemplo, si el valor de frecuencia fundamental medido para la primera sílaba del enunciado Nagyon tanárom volt ‘He tenido un profesor muy bue= no’, representado en la Figura 6, es 212 Hz, y para la segunda, 168 Hz, la dista= ncia tonal entre estos dos segmentos supone una disminución del 21% entre la pri= mera y la segunda sílaba. Si a la primera sílaba se le asigna el número 100 como valor estándar, a la segunda se le debe asignar 79. La figura muestra que l= os valores absolutos de la entonación del enunciado describen contornos melódi= cos similares. Posteriormente, los contornos resultantes pueden someterse a pru= ebas perceptivas con informantes nativos para su validación, proceso que se contempla como la última fase del método.

&nbs= p;

<= o:p>

<= o:p> 

F= igura 6. La curva original (color gris) y su versión estandarizada (color negro) = en el enunciado Nagyon tanárom volt ‘He tenido un profesor muy bue= no’ (ejemplo aportado por la autora).

 

E= n la presente investigación, centraremos el análisis melódico en tres ámbitos de= ntro del nivel de análisis prelingüístico: (1) la melodía de la anacrusis; (2) l= a melodía de las sílabas acentuadas dentro del enunciado; (3) la melodía de la inflex= ión final. A continuación, daremos a conocer los resultados en relación con cada aspecto investigado.

 <= /span>

 <= /span>

4. RESULTADOS Y DISCUSIÓN

 <= /span>

En este apartado primero centraremos la atención en presentar y discutir los resultados obtenidos mediante el análisis melódico en relación con la melod= ía de la anacrusis, la caracterización tonal de las sílabas acentuadas dentro = del cuerpo y la presencia de picos tonales independientemente de la tonicidad d= e la sílaba en la que recaen, así como también con la melodía de las inflexiones finales.

 <= /span>

4= .1 La melodía de la anacrusis

 <= /span>

En relación con la anacrusis, analizamos dos aspectos: la proporción del movimiento tonal desde la sílaba pretónica hasta la primera sílaba tónica y= la melodía de todos los intervalos tonales observados en la anacrusis. Según l= as expectativas, el movimiento hacia la primera sílaba tónica, igual que el de= los intervalos tonales de toda la anacrusis, debe ser ascendente o nivelado. Los datos obtenidos se recogen en la Tabla 2.

<= o:p> 

 

 =

Ascenso 10%= <

Descenso o ascenso <10%

Sin movimie= nto (0%)

Valor medio= (%)

Desde la pretónica a la primera tónica

 (total 52)

16 (31%)

34 (65%)

2 (4%)=

4

Todas las sílabas de la anacrusis

(total 59)<= o:p>

12 (20%)

45 (76%)

2 (3%)=

1

<= o:p> 

T= abla 2. Las características tonales de la anacrusis.

&nbs= p;

O= bservamos que, en relativamente pocos casos, se manifiesta anacrusis (en 52 enunciados entre 300). El resto de los enunciados comienza directamente con una sílaba acentuada, así que en estos casos no podemos hablar de presencia de anacrus= is. La baja proporción de enunciados con anacrusis se debe al hecho de que, en = el húngaro, por defecto, la primera sílaba es la tónica, así que solo podemos contar con sílabas átonas al principio de la frase si tenemos al inicio cie= rtas palabras de función discursiva pero semánticamente vacías, por ejemplo, szóval, tehát, = mondjuk (‘así que’, ‘pues’, ‘digamos’). En el cas= o de disponer de anacrusis, generalmente consta tan solo de artículo (in)determinado.

Se desprende de los datos que, en su mayoría, la melodía desde la pretónica ha= sta la primera sílaba tónica no sobrepasa el umbral de percepción: en el 65% de= los casos se caracteriza por un descenso o por un ligero ascenso inferior al 10= %. En cuanto a la melodía de las sílabas que componen la anacrusis, estas son,= en su mayoría, descendentes o solo ligeramente ascendentes (inferiores al 10%)= en la gran mayoría de los casos (el 76% de estas sílabas). El tono medio de es= tas sílabas tampoco es perceptiblemente ascendente, es de únicamente el 1%. Por= lo tanto, podemos afirmar que, basándonos en este corpus, las anacrusis sin movimiento tonal –nivelados– no son tan característicos, y tampoco lo son l= as anacrusis ascendentes que superen el umbral de percepción. Contrariamente, predominan anacrusis descendentes o ligeramente ascendentes (aunque no lo s= on desde un punto de vista perceptivo), tanto si hablamos solo del valor tonal= que caracteriza el intervalo directamente anterior a la primera sílaba tónica c= omo todos los movimientos tonales anteriores a la primera sílaba tónica. Sin embargo, dada la escasa proporción de enunciados con anacrusis existente en nuestro corpus, los resultados no pueden considerarse tan representativos.<= o:p>

<= o:p> 

<= o:p>

<= o:p> 

F= igura 7. Anacrusis típica con movimiento tonal descendente hasta la primera sílaba tónica en el corpusen el enunciado: Az elérés szempontjából ‘es = bueno desde el punto de vista del acceso’.

&nbs= p;

A modo de ejemplo, mostramos la Figura 7, que representa un enunciado típico = con anacrusis descendente desde la primera sílaba átona Az- hasta la primera sílaba tónica -el-.

<= o:p> 

4= .2 La melodía de las sílabas acentuadas dentro del enunciado=

 <= /span>

E= n relación con el cuerpo del enunciado, hemos observado que, en enunciados neutros del húngaro, las sílabas acentuadas no presentan un incremento tonal considerab= le (véase Figura 3), pero sí notamos que sobresalen ligeramente entre las demás sílabas por su altura tonal. Vamos a ver en este apartado hasta qué punto s= on más altas tales sílabas prominentes y si las resituaciones tonales asociada= s a las sílabas tónicas serían perceptibles por los oyentes, es decir, si regis= tran un ascenso tonal superior al 10%.

En este análisis hemos tenido en cuenta las sílabas acentuadas dentro del cuer= po: el movimiento tonal de las sílabas pretónicas hasta las tónicas, y el movimiento tonal desde las sílabas tónicas hasta las postónicas. Inicialmen= te, asumimos que los dos acentos demarcativos dentr= o de un enunciado –el primero y el último, denominados respectivamente primer pi= co y núcleo– constituyen en sí las fronteras que delimitan el cuerpo del enuncia= do. Por este motivo, en el análisis realizado no se han tenido en cuenta estos = dos segmentos tónicos.

De esta forma, se han analizado: (1) el movimiento tonal desde la sílaba pretó= nica hasta la tónica, menos en el caso de la primera sílaba tónica, ya que este movimiento tonal se considera parte de la anacrusis y no del cuerpo; (2) el movimiento tonal desde la sílaba tónica hasta la postónica, con la excepció= n de la última sílaba tónica, ya que en su caso este movimiento se considera ya parte de la inflexión final y no del cuerpo. Los resultados se exponen en la Tabla 3.

&nbs= p;

Movimiento tonal asociado a las sílabas acentuadas

Ascenso 10%= <

Descenso o ascenso <10%

Sin movimie= nto (0%)

Valor medio=

Hasta las sílabas acentuadas

(total 528)=

96 (18%)

411 (78%)

21 (4%)

2,78 %=

Desde las sílabas acentuadas

(total 552)=

51 (9%)

478 (87%)

23 (4%)

-3,73%=

<= span style=3D'mso-spacerun:yes'> 

T= abla 3. El movimiento tonal asociado a las sílabas acentuadas del cuerpo.

&nbs= p;

De los datos expuestos en la Tabla 3 se desprende que el mayor número de sílab= as acentuadas en el cuerpo se asocia con movimientos tonales descendentes o ta= n ligeramente ascendentes que no se perciben como cambios tonales significativos. Si observamos el contraste entre el movimiento tonal que se observa desde la sílaba pretónica hasta la tónica y el movimiento tonal desde la tónica a la postónica, apreciamos que efectivamente en las sílabas acentuadas notamos un ligero ascenso tonal por término medio, pero este valor (2,78%) queda situa= do por debajo del umbral de percepción. En cuanto al movimiento tonal que ocur= re desde las sílabas acentuadas, el valor medio que se registra es del -3,73%,= un descenso tonal no muy acusado (véase Figura 8).

&nbs= p;

<= o:p>

<= o:p> 

F= igura 8. Movimientos tonales asociados a las sílabas acentuadas en el cuerpo.

&nbs= p;

A= unque hemos visto que las sílabas tónicas se caracterizan, en general, por movimientos tonales inferiores al 10%, vamos a considerar ahora la ubicació= n de los picos tonales dentro del cuerpo, consistentes en movimientos con inflex= ión tonal superior al 10%. Si hubiera inflexiones internas dentro del cuerpo, examinaremos en qué proporción recaen éstas sobre sílabas tónicas, postónic= as y átonas. La Tabla 4 muestra los resultados obtenidos en este análisis (las sílabas tónicas y postónicas al mismo tiempo son las sílabas tónicas que si= guen directamente otra sílaba tónica).

<= o:p> 

Aspectos examinados

Inflexiones totales (todas)

En sílabas ...

Tónicas

Postónicas

Tónicas y postónicas

Átonas

Número de inflexiones y su proporción

238 (100%)

72 (30%)

29 (12%)

18 (8%)

119 (50%)

Valor medio de la inflexión

20%

20%

16%

28%

20%

<= span style=3D'mso-spacerun:yes'> 

T= abla 4. Proporción y ubicación de los picos tonales dentro del cuerpo.

&nbs= p;

E= n la tabla se observa que, tal como se podía suponer de los datos presentados en= la Figura 9, ni las sílabas tónicas ni las postónicas proporcionalmente no se asocian con picos tonales. La gran mayoría de las sílabas que se acompańan = de un movimiento tonal superior al 10% son efectivamente átonas.

En las descripciones de la literatura científica revisada, que se basan generalmente en el análisis de muestras leídas, se constata que las sílabas acentuadas se encuentran en un pico tonal dentro del enunciado e inician un descenso en cada caso. Aunque estos picos son progresivamente más bajos por= el efecto de la declinación normal del hablante ocasionada por la disminución = de la presión subglótica, sí que sobresalen por encima de las sílabas contigua= s, aunque no disponemos de valores de la magnitud de su prominencia tonal exac= ta. Según lo observable en nuestros datos, las sílabas acentuadas en el cuerpo = del enunciado no se asocian a resituaciones tonales significativas en el habla espontánea. El valor tonal medio asociado a las sílabas acentuadas se corresponde con un ligero ascenso no perceptible, pero encontramos picos superiores al umbral de percepción asociados a sílabas átonas. Este rasgo p= uede ser explicado por la escasa planificación realizada por parte del hablante = en el habla natural y espontánea frente a las realizaciones más normativas y cuidadas del habla leída, que han sido documentadas como normativas hasta h= oy.

&nbs= p;

<= o:p>

<= o:p> 

F= igura 9. Enunciado con características tonales no esperadas: Van, akinek nehezebb ‘Hay = gente para la cual es más difícil’.

&nbs= p;

E= n la Figura 9 proporcionamos un ejemplo para ilustrar las características tonale= s no esperadas de un enunciado, en el que no sobresalen melódicamente las sílabas acentuadas, en este caso con ligero descenso tonal de -3% en la sílaba tóni= ca -ne-, pero sí que se aprecia un pico ton= al en una sílaba átona -ki-, con un inc= remento tonal de 22%.

<= o:p> 

4= .3 Las características tonales de la inflexión final

<= o:p> 

F= inalmente vamos a examinar las características tonales de las inflexiones finales. Se espera que éstas, como tendencia, se caracterizan principalmente por descen= sos tonales más que por ascensos, ya que la melodía de los enunciados declarati= vos neutros es descendente por defecto. En total, hemos analizado 230 inflexion= es finales, ya que en los 70 enunciados restantes o no hemos podido detectar u= na inflexión final completa. En estos casos, los enunciados contienen tan solo= una sílaba tónica, por lo que no se podría hablar de la última sílaba acentuada= del enunciado y que coincidiera, a su vez, con la primera sílaba tónica. La Tab= la 5 contiene los datos relacionados con la dirección y la magnitud de las inflexiones finales.

 

Inflexión f= inal tipo (número)

Todos<= /o:p>

Ascenso <= ;10%

Descenso o ascenso <10%

Sin movimie= nto (0%)

230 (100%)<= o:p>

52 (23%)

169 (73%)

9 (4%)=

Valores med= ios

2%

20%

-4%

0 %

<= o:p> 

T= abla 5. Las características tonales de la inflexión final.

&nbs= p;

A partir de los datos reflejados en la Tabla 5, tal como era esperable preval= ecen los descensos tonales o los ascensos inferiores al 10% en las inflexiones finales. Sin embargo, se debe mencionar que en casi la cuarta parte de nues= tros enunciados es detectable un ascenso final de la inflexión final, dato que merece ser considerado con detenimiento.

En general, los valores medios no muestran un descenso acusado (2%), y en el c= aso de las inflexiones finales ascendentes tampoco podemos hablar de porcentajes tan altos, siendo el valor medio del 20%. En el siguiente ejemplo, podemos apreciar que la inflexión final presenta un considerable ascenso tonal del = 49% desde la última sílaba tónica.

&nbs= p;

<= o:p>

<= o:p> 

F= igura 10. Melodía del enunciado Jól van megrendezve a darab ‘= La obra está bien dirigida’, con ascenso final acusado en la inflexión final.<= /o:p>

&nbs= p;

La presencia de inflexiones finales ascendentes en enunciados declarativos neu= tros se puede explicar por varias razones. Una de las razones de tal rasgo puede= ser que el hablante, aunque pretende formular una oración declarativa, no acaba finalizándola, por lo que ​​la melodía en la inflexión final queda interrumpid= a. Así, no se trata de una inflexión final descendente, sino ascendente. Otra explicación de este fenómeno en que la melodía descendente registra un asce= nso tonal en la inflexión final puede deberse a que los hablantes pretenden expresar varios pensamientos con tengan la intención de continuar, por lo q= ue no acaba produciéndose una inflexión final descendente, sino ascendente, configurando de este modo un contorno "flotante", indicando que n= o ha finalizado la emisión y reteniendo el turno de palabra. Al mismo tiempo, en= el habla espontánea, la melodía ascendente es común incluso en la posición de cierre (Markó, 2009; citado por Hámori y Horváth, 2019: 149). Aunque antes se consider= aba un rasgo estigmatizado la realización de ascensos finales en enunciados declarativos, parece que su uso va extendiéndose (Mark= ó, 2012) y puede incluso paulatinamente llegar a considerarse un fenómeno totalmente aceptado, sobre todo en el caso de adultos jóvenes y que constit= uyen también el grupo de informantes de nuestro corpus, ya que se les podría considerar menos conservadores que los individuos de generaciones anteriore= s.

F= inalmente, en la Figura 11 presentamos otro ejemplo en el que no se aprecian las características melódicas esperables ni en la anacrusis, ni en el cuerpo, n= i en la inflexión final. En la anacrusis, formada por la palabra tehát ‘pues’, se aprecia descenso tonal. En el cuerpo, resitúan algunas sílabas átonas formando picos tonales (-ha, -zul= -). Finalmente, la inflexión final describe un incremento tonal ascendente del = 16%.

&nbs= p;

<= o:p>

<= o:p> 

F= igura 11. Enunciado Tehát ha egy kicsit így lazulnak a szabályok = ‘pues si así se aflojan un poco las reglas’.

 

5. CONCLUSIONES

 

El presente estudio se centra en la descripción prelingüística de la melodía de enunciados declarativos neutros en húngaro y en habla espontánea. El anális= is melódico se realiza en una muestra de 300 enunciados declarativos emitidos = por 60 hablantes nativos y en el que se aplica el método propuesto por Cantero y Font-Rotchés (2020), el Análisis Melódico del H= abla. Con esta investigación pretendemos aportar datos que contribuyan a la descr= ipción la entonación del húngaro en habla espontánea, ya que hasta el momento cont= amos con escasas aportaciones en este campo de investigación. Por otra parte, nos proponemos comprobar si los rasgos tonales descritos en la literatura científica precedente para enunciados declarativos en húngaro a partir de muestras de lectura en voz alta coinciden con nuestros resultados tras anal= izar un corpus de datos en habla espontánea.

S= egún É. Kiss et al. (2003) y Bendik (1999), hemos po= dido constatar que los enunciados declarativos en húngaro se caracterizan por una melodía descendente y con descensos más marcados desde las sílabas tónicas.= En el tramo de la anacrusis que según Cantero (2002) comprende los segmentos tonales precedentes a la primera sílaba tónica, la melodía o experimenta un ascenso tonal o se mantiene a un mismo nivel melódico. Por otra parte, la inflexión final, que comprende el tramo de segmentos tonales posteriores a = la emisión de la última sílaba tónica, se describe como descendente. No obstan= te, Markó (2012) también admite la realización de inflexi= ones finales ascendentes como rasgo característico que va extendiéndose cada vez más, a pesar de que antes este rasgo fuera considerado estigmatizado (Markó, 2009).

En nuestro corpus encontramos que la anacrusis, en lugar de ascender, describe= una melodía sostenida con tendencia a descender, pero los descensos tonales registrados no sobrepasan el umbral de percepción (10%). Sin embargo, cabe ańadir también que nuestro corpus contiene relativamente pocos enunciados en los que se manifiesta anacrusis, ya que en húngaro el acento recae en la primera sílaba de las palabras y raras veces encontramos emisiones encabeza= das por una palabra átona. De esta forma, extraer conclusiones contundentes resultaría injustificado.

R= especto al tono de las sílabas acentuadas dentro del cuerpo, observamos que la mayo= ría de las sílabas acentuadas se asocian con trayectorias descendentes o con le= ves resituaciones en la melodía que apenas se perciben como ascendentes. En cua= nto a la posición de los picos tonales interiores, que registran un ascenso ton= al superior a 10%, es notable destacar que la gran mayoría de los segmentos que presentan un ascenso tonal igual o superior al 10% son, de hecho, sílabas átonas. Esta evidencia contrasta con la predicción de resituaciones observa= bles en las sílabas tónicas, a partir de las cuales se inician los descensos tonales. Por lo tanto, parece que en emisiones no leídas ni tan planificadas los hablantes no realzan las sílabas tónicas mediante una prominencia tonal. Convendría analizar si en estos casos intervienen otros parámetros prosódic= os como la intensidad para seńalar la prominencia prosódica de la sílaba acentuada.

En nuestro corpus, las inflexiones finales son generalmente descendentes, aunq= ue en una proporción relativamente alta (24%) es ascendente. El ascenso final = se puede explicar por la intención del hablante de indicar que continuará con = su discurso, con lo que el perfil melódico resultante da lugar a un contorno inacabado. Anteriormente, no se consideraba aceptable una terminación melód= ica ascendente en enunciados declarativos, aunque poco a poco podría cambiar es= ta apreciación por la normalización de esta característica debido a su manifestación cada vez más extendida. Este hecho nos lleva a plantearnos incluso la posibilidad de presenciar un cambio tonal significativo en curso= .

En síntesis, según lo que se desprende de los resultados obtenidos, la entonac= ión de los enunciados declarativos en húngaro en habla espontánea tiende a pres= entar los siguientes rasgos melódicos que difieren de los patrones descritos anteriormente en relación con la entonación de muestras leídas: tendencia a presentar anacrusis descendentes en lugar de ascendentes o sostenidos, esca= sa prominencia tonal en las sílabas tónicas y picos tonales en las sílabas áto= nas, y presencia de inflexiones finales ascendentes así como también descendente= s. Sin embargo, como futuras investigaciones se plantea ampliar el corpus de d= atos y complementar el análisis melódico con el análisis de otros parámetros prosódicos como la intensidad, ya que podría contribuir a extraer conclusio= nes más objetivas.

&nbs= p;

&nbs= p;

REFERENCI= AS BIBLIOGRÁFICAS

&nbs= p;

&nbs= p;

Adriaens, L. M. H. (1991). Ein Modell deutscher Intonation. Eine experimentell-phonetische Unters= uchung nach den perzeptiv = relevanten Grundfrequenzänderung= en in vorgelesenem Text. Tesis doctoral, Technological University = of Eindhoven.

Araújo, M. L. (2017). Os contornos melódicos das declarativas do por= tuguęs brasileiro falado em Minas Gerais. Phonica, 13, 3-17.

Baditzné Pálvölgyi, K. (2011). The intonational patterns used in Hungarian students' Spanish yes-no = questions. Phonica= , 7, 80-99. https://doi.org/10.1344/phonica.2011.7.80-= 99.<= /span>

Baditzné Pálvölgyi, K. (2019). Hesitation patterns in the Spanish spontaneous speech of Hungarian learners of Spanish. En Rose, R. L. & Eklund, R. (eds.), Proceedings of DiSS2019, The 9th Workshop on Disfluency= in Spontaneous Speech, 12–13 September, 2019, Budapest, Hungary, 35–38. https://doi.org/10.21862/diss-09-010-badi<= /span>.<= /span>

Baditzné Pálvölgyi, K. (2022). Tonal peaks in the spontaneous = speech of vantage level Hungarian learners of Spanish. Acta Linguistica Academ= ica, 69(1), 59-73. https://doi.org/10.1556/2062.2021.00436.<= /span>

Ballesteros Panizo, M. (2011). La entonación del espańol del norte. Tesis doctor= al, Dep. Filología Hispánica, Univer= sitat de Barcelona.

Barrena Medel, D., & Solís Parejo, V. (2011). Énfasis en la entonación del espańol de Chile en habla espontánea. Phonica, 7= , 19-35.

Beaugendre, F. (1994). Une étude perceptive de l’intonation du français<= /i>. Tesis doctoral, University of Paris XI (Orsay).

Bendik, J. (1999). A beszédprozódia helye a szinkrontolmácsolásban [La posición de la pro= sodia del habla en la interpretación simultánea]. Fordítá= studomány, 1(1), 100–113.

Boersma, P., & Weenink, D. (2020). Praat: doing phonetics by computer (Progra= ma informático). Version 6.1.16. Recu= perado de: http://www.praat.org/.

Cantero Seren= a, F. J. (2002). Teoría y análisis de la entonación. Barcelona: Edicions de la = Universitat de Barcelona.

Cantero Seren= a, F. J., & Font-Rotchés, D. (2007). Entonació= n del espańol peninsular en habla espontánea: patrones melódicos y márgenes de dispersión. Moenia, 13, 69–92.

Cantero Seren= a, F. J., & Font-Rotchés, D. (2009). Protocolo= para el análisis melódico del habla. Estudios de Fonética Experimental, 18, 17–32.

Cantero Seren= a, F. J., & Font-Rotchés, D. (2020). Melodic Analysis of Speech (MAS). Phonetics of Intonation. En J. Abasolo, de Pablo, I., Ensunza, A. (eds). Contributions on education, Bilbao: Universidad del País Vasco, 20–47.

Cantero Seren= a, F. J., Alfonso, R., Bartolí, M., Corrales, A., & Vidal, M. (2005). Rasgos melódicos de énfasis en espańol. Phonica= , 1, 1–40.

Céspedes Morales, M. (2016). Análisis socioentonativo del espańol chileno hablado en localidades rurales de las regiones de Valpa= raíso (V), Metropolitana y O´Higgins (VI). Tesis doctoral, Universidad de Valladolid.

Devís, E. (20= 11). La entonación del espańol hablado por italianos. Didáctica (Lengua y Literatura), 23, 35-58.

É. Kiss, K., = Kiefer, F., & Siptár,= P. (2003). Új magyar nyelvtan [Nueva gramática del húngaro]. Budapest: Osiris Kiadó<= /span>.

Estupińán Lóp= ez, E. (2015). Patrones melódicos interrogativos del espańol de Cali en habla espontánea. Phonica, 11, 47-63.

Fonseca, A., & Cantero Serena, F. J. (2011). Características da entonaçăo do espanhol falado por brasileiros. En Anais= do VII Congresso International Abralin, Curitiba (Brasil): Associaçăo Brasileira de Lingüística, 84-98.

Font-Rotchés, D. (2007). L’entonac= ió del catalŕ. Biblioteca Milŕ i Fontanals 53. Barcelona: Publicacions de l’Abadia de Montserrat.

Font-Rotchés, D. (2008). Els <= span class=3DSpellE>patrons entonatius de les interrogatives absolutes del catalŕ central. Llengua i Literatura, 19, 299-329.

Font-Rotchés, D. (2009). Les interrogatives pronominals del catalŕ central. Anŕlis= i melňdica i patrons = entonatius. Els= Marges, Revista de llengua i literatura, 87, 41–64.

Font-Rotchés, D., & Mateo Ruiz, M. (2011). Absolute interrogatives in Spanish: a new melodic pattern. En Anais do VII Congresso Internacional da ABRALIN. Curitiba (Brasil): Assoc= iaçăo Brasileira de Lingüística, 1111–1125.

Gósy, M., Gyarmathy, D., H= orváth, V., Gráczi, T. E., Beke, A., Neuberger, T., & N= ikléczy, P. (2012). BEA: Beszélt nyelvi adatbázis [Base de datos de lengua hablada]= . En M. Gósy (ed.), Beszéd, adatbázis, kutatások [Habla, base de datos, investigaciones], Budapest: Aka= démiai Kiadó, 9–24.

Hámori, Á., & Horváth, V. (2019). Társalgás, beszélő= ;váltás és diskurzusszerveződ= és új megközelítésben = – fonetikai jellemzők = és pragmatikai tényezők összefüggései magyar társalgásokban (pil= ot study) [Nuevo acercamiento a la conversació= n, cambio de locutores y organización del discurso – la relación entre rasgos fonéticos y aspectos pragmáticos en diálogos húngaros (estudio piloto]. Beszédkutatás, 2019, 134–153.

Honbolygó, F., & Kolozsvári, O. (2015). A hangsúly észlelésének akusztikai meghatározói [= Los determinantes acústicos de la percepción del habla]. <= i>Beszédkutatás, 2015, 21–34.

Kassai, I. (1998). Fonetika [Fonética]. Budapest: Nemzeti Tankönyv= kiadó.

Kingdon, R. (1958). The groundwork of English intonation. London: Longman.

Liu, Y. H. (2005). La entonación del espańol hablado por taiwaneses. Bibliot= eca Phonica, 2.

Markó, A. (2009). Stigmatizált hanglejtésforma a spontán beszédben [Contorno estigmatizado en el habla espontánea]. Be= szédkutatás, 2009, 88–106.

Markó, A. (2012). Vélemények és tények egy magyar <= span class=3DSpellE>hanglejtésformáról [Opiniones y hechos sobre un conto= rno húngaro]. Anyanyelv Pedagógia, 2012 (3).

Martorell, L. (2011). Les interrogatives absolutes de l’espanyol<= /span> parlat pels suecs. Trabajo Final de Máster. Facultad de Forma= ción del Profesorado, Universitat de Barcelona.=

Mateo Ruiz, M. (2014). La entonación del espańol meridional. Tesis doctoral, Universitat de Barcelona.

Mendes, R. S. (2017). Análise melódica de padrőes interrogativos da fala e= spontânea do portuguęs do Brasil – Estado de Săo Paulo. <= span class=3DSpellE>Phonica, 13, 68-81. <= /p>

Muńoz Alvarad= o, A. (2012). Rasgos y patrones melódicos de la interrogación en el habla de Santiago de Cuba, Phonica, 8, 17-= 43.

Odé, C., & van Heuven, V. J. (1994). Ex= perimental studies of Indonesian prosody. L= eiden: University of Leiden, Dep. of Languages and Cultures of Southeast<= /span> Asia and Oceania.

Olaszy, G., & Koutny, I. (2001). Intonation of Hungarian Questions and their= prediction from text. En Puppel, S., &= ; Demenko, G. (eds), Prosody 2000, Speech recognition and synthesis= , Poznań: Adam Mickiewicz University, Faculty of Modern Languages and Literature.=

Paixăo, D. C. (2011). A entonaçăo das interrogati= vas absolutas neutras no portuguęs do Rio de Janeir= o. En Anais do III Colóquio Brasileiro de Prosódia da Fala. Vol. 1, No.1. Belo Horizonte: UFMG.

Pierrehumbert, J. (1980). The phonetics and phonology of En= glish intonation. Tesis doctoral, Massachusetts Institute of Technology.

t’Hart, J., Collier, R., & Cohen, A. (1990). = A perceptual study of= intonation. An experiment= al-phonetic approach to speech melody. Cambridge: Cambridge University Press.

Torregrosa-Az= or, J. (2016). Las preguntas entonativas en alemán del norte: caracterizaci= ón de los patrones melódicos en habla espontánea. Anuario de Estudios Filológicos, XXXIX, 251-273.

Torregrosa-Az= or, J., & Font-Rotchés, D. (2017). Melodic patterns of absolute interrogative uttera= nces in northern German spontan= eous speech. Linguistics= , 55(6), 1311-1335. https://doi.org/10.1515/ling-2017-0029.<= /span>

Urbanik-Pęk, W. (2021). El Anális= is Melódico del Habla. Un método para abordar el análisis de la entonación del espańol hablado por polacos. Studia Iberystyczne: Universos de lingu= a portuguesa em debate: Swiaty jezyka portugalskiego, 19, 253-284.

Varga, L. (19= 94). A hanglejtés [La entonación]. En F. Kiefer (ed.), Strukturális magyar nyelvtan. Fonológia= [Gramática estructuralista del húngaro. Fonología] Budapest: Akadémiai Kiadó, 468-549.=

Varga, L. (20= 02). Intonation and Stress: Evidence from Hungarian.= Basingstoke: Palgrave Mac= millan, Houndmills.

Wei-Li, K. (2011). La entonación de enunciados declarativos e interrogativos en chi= no mandarín hablado por taiwaneses. Trabajo Final de Máster. Laboratori de Fončtica Ap= licada de la Universitat de Barcelona.

 

------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne_file/themedata.thmx Content-Transfer-Encoding: base64 Content-Type: application/vnd.ms-officetheme UEsDBBQABgAIAAAAIQDp3g+//wAAABwCAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKyRy07DMBBF 90j8g+UtSpyyQAgl6YLHjseifMDImSQWydiyp1X790zSVEKoIBZsLNkz954743K9Hwe1w5icp0qv 8kIrJOsbR12l3zdP2a1WiYEaGDxhpQ+Y9Lq+vCg3h4BJiZpSpXvmcGdMsj2OkHIfkKTS+jgCyzV2 JoD9gA7NdVHcGOuJkTjjyUPX5QO2sB1YPe7l+Zgk4pC0uj82TqxKQwiDs8CS1Oyo+UbJFkIuyrkn 9S6kK4mhzVnCVPkZsOheZTXRNajeIPILjBLDsAyJX89nIBkt5r87nons29ZZbLzdjrKOfDZezE7B /xRg9T/oE9PMf1t/AgAA//8DAFBLAwQUAAYACAAAACEApdan58AAAAA2AQAACwAAAF9yZWxzLy5y ZWxzhI/PasMwDIfvhb2D0X1R0sMYJXYvpZBDL6N9AOEof2giG9sb69tPxwYKuwiEpO/3qT3+rov5 4ZTnIBaaqgbD4kM/y2jhdj2/f4LJhaSnJQhbeHCGo3vbtV+8UNGjPM0xG6VItjCVEg+I2U+8Uq5C ZNHJENJKRds0YiR/p5FxX9cfmJ4Z4DZM0/UWUtc3YK6PqMn/s8MwzJ5PwX+vLOVFBG43lExp5GKh qC/jU72QqGWq1B7Qtbj51v0BAAD//wMAUEsDBBQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAdGhl bWUvdGhlbWUvdGhlbWVNYW5hZ2VyLnhtbAzMTQrDIBBA4X2hd5DZN2O7KEVissuuu/YAQ5waQceg 0p/b1+XjgzfO3xTVm0sNWSycBw2KZc0uiLfwfCynG6jaSBzFLGzhxxXm6XgYybSNE99JyHNRfSPV kIWttd0g1rUr1SHvLN1euSRqPYtHV+jT9yniResrJgoCOP0BAAD//wMAUEsDBBQABgAIAAAAIQCj 6vbhqQYAAKYbAAAWAAAAdGhlbWUvdGhlbWUvdGhlbWUxLnhtbOxZTW8bRRi+I/EfRntvYyd2Gkd1 qtixG0jTRrFb1ON4d7w7zezOamac1DfUHpGQEAVxoBI3Dgio1Epcyq8JFEGR+hd4Z2Z3vROvSdJG UEFzaL2zz/v9Me/MXr12P2bokAhJedL26pdrHiKJzwOahG3v9rB/ac1DUuEkwIwnpO1NifSubbz/ 3lW8riISEwT0iVzHbS9SKl1fWpI+LGN5mackgXdjLmKs4FGES4HAR8A3ZkvLtdrqUoxp4qEEx8B2 CDQooOjWeEx94m3k7HsMZCRK6gWfiYFmTjKaEjY4qGuEnMouE+gQs7YHkgJ+NCT3lYcYlgpetL2a +fOWNq4u4fWMiKkFtCW6vvnL6DKC4GDZyBThqBBa7zdaV7YK/gbA1Dyu1+t1e/WCnwFg3wdLrS5l no3+Wr2T8yyB7M953t1as9Zw8SX+K3M6tzqdTrOV6WKZGpD92ZjDr9VWG5vLDt6ALL45h290Nrvd VQdvQBa/OofvX2mtNly8AUWMJgdzaB3Qfj/jXkDGnG1XwtcAvlbL4DMUZEORXVrEmCdqUa7F+B4X fQBoIMOKJkhNUzLGPuRxF8cjQbEWgNcJLr2xS76cW9KykPQFTVXb+zDFUBMzfq+ef//q+VN0/ODZ 8YOfjh8+PH7wo2XkUG3jJCxTvfz2sz8ff4z+ePrNy0dfVONlGf/rD5/88vPn1UAon5k6L7588tuz Jy+++vT37x5VwDcFHpXhQxoTiW6SI7TPYzDMeMXVnIzE+SiGEaZlis0klDjBWkoF/56KHPTNKWZZ dBw9OsT14B0B7aMKeH1yz1F4EImJohWSd6LYAe5yzjpcVHphR8squXk4ScJq4WJSxu1jfFglu4sT J769SQp9M09Lx/BuRBw19xhOFA5JQhTS7/gBIRXW3aXU8esu9QWXfKzQXYo6mFa6ZEhHTjbNiLZp DHGZVtkM8XZ8s3sHdTirsnqLHLpIqArMKpQfEua48TqeKBxXsRzimJUdfgOrqErJwVT4ZVxPKoh0 SBhHvYBIWUVzS4C9paDvYOhYlWHfZdPYRQpFD6p43sCcl5Fb/KAb4Titwg5oEpWxH8gDSFGM9riq gu9yt0L0M8QBJwvDfYcSJ9ynd4PbNHRUmiWIfjMRFbG8TriTv4MpG2NiWg00dadXxzT5u8bNKHRu K+HiGje0yhdfP67Q+21t2Zuwe1XVzPaJRr0Id7I9d7kI6NvfnbfwJNkjUBDzW9S75vyuOXv/+ea8 qJ4vviXPujA0aD2L2EHbjN3xwql7TBkbqCkjN6QZvCXsPUEfFjWdOXOS4hSWRvBTVzIIcHChwIYG Ca4+oioaRDiFob3uaSahzFiHEqVcwmHRLFfy1ngY/JU9ajb1IcR2DonVLg/s8opezs8aBRujVWgO tLmgFc3grMJWrmRMwbbXEVbXSp1ZWt2oZpqiI60wWbvYHMrB5YVpsFh4E4YaBKMQeHkVTv1aNBx2 MCOB9ruNUR4WE4WLDJGMcECyGGm752NUN0HKc2XOEG2HTQZ9cDzFayVpLc32DaSdJUhlcY0F4vLo vUmU8gyeRQm4nSxHlpSLkyXoqO21mstND/k4bXtjOCfDzziFqEs9R2IWwnWTr4RN+1OL2VT5LJqt 3DC3COpw9WH9Pmew0wdSIdUWlpFNDfMqSwGWaElW/+UmuPWiDKjoRmfTYmUNkuFf0wL86IaWjMfE V+Vgl1a07+xj1kr5RBExiIIjNGITsY8h/DpVwZ6ASrjuMB1BP8DdnPa2eeU256zoyjdiBmfXMUsj nLVbXaJ5JVu4aUiFDuappB7YVqm7Me78ppiSvyBTymn8PzNF7ydw+7AS6Aj4cDksMNKV0va4UBGH LpRG1O8LGBxM74BsgftdeA1JBVfU5n9BDvX/tuYsD1PWcIhU+zREgsJ+pCJByB60JZN9pzCrZ3uX ZckyRiajSurK1Ko9IoeEDXUPXNV7u4ciSHXTTbI2YHAn8899zipoFOohp1xvTicr9l5bA//05GOL GYxy+7AZaHL/FyoW48FsV7X0hjzfe8uG6BezMauRVwUIK20FrazsX1OFc261tmPNWbzczJWDKM5b DIvFQJTCHRLS/8D+R4XP7NcOvaEO+T70VgQfLzQzSBvI6kt28EC6QdrFEQxOdtEmk2ZlXZuNTtpr +WZ9wZNuIfeEs7VmZ4n3OZ1dDGeuOKcWL9LZmYcdX9u1ha6GyJ4sUVga5wcZExjzoaz8JYuP7kGg t+CbwYQpaZIJvlMJDDP0wNQBFL+VaEg3/gIAAP//AwBQSwMEFAAGAAgAAAAhAA3RkJ+2AAAAGwEA ACcAAAB0aGVtZS90aGVtZS9fcmVscy90aGVtZU1hbmFnZXIueG1sLnJlbHOEj00KwjAUhPeCdwhv b9O6EJEm3YjQrdQDhOQ1DTY/JFHs7Q2uLAguh2G+mWm7l53JE2My3jFoqhoIOumVcZrBbbjsjkBS Fk6J2TtksGCCjm837RVnkUsoTSYkUiguMZhyDidKk5zQilT5gK44o49W5CKjpkHIu9BI93V9oPGb AXzFJL1iEHvVABmWUJr/s/04GolnLx8WXf5RQXPZhQUoosbM4CObqkwEylu6usTfAAAA//8DAFBL AQItABQABgAIAAAAIQDp3g+//wAAABwCAAATAAAAAAAAAAAAAAAAAAAAAABbQ29udGVudF9UeXBl c10ueG1sUEsBAi0AFAAGAAgAAAAhAKXWp+fAAAAANgEAAAsAAAAAAAAAAAAAAAAAMAEAAF9yZWxz Ly5yZWxzUEsBAi0AFAAGAAgAAAAhAGt5lhaDAAAAigAAABwAAAAAAAAAAAAAAAAAGQIAAHRoZW1l L3RoZW1lL3RoZW1lTWFuYWdlci54bWxQSwECLQAUAAYACAAAACEAo+r24akGAACmGwAAFgAAAAAA AAAAAAAAAADWAgAAdGhlbWUvdGhlbWUvdGhlbWUxLnhtbFBLAQItABQABgAIAAAAIQAN0ZCftgAA ABsBAAAnAAAAAAAAAAAAAAAAALMJAAB0aGVtZS90aGVtZS9fcmVscy90aGVtZU1hbmFnZXIueG1s LnJlbHNQSwUGAAAAAAUABQBdAQAArgoAAAAA ------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne_file/colorschememapping.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne_file/image001.jpg Content-Transfer-Encoding: base64 Content-Type: image/jpeg /9j/4AAQSkZJRgABAQAAAQABAAD/2wCEAAkGBxIQEBAQEBIQExAPGBUQDxAQExsgIBUgIBsgGxso GxskKDAlJCYxJR8fMDU1MTA3P0AwIys/QD8uQCgvOjcBCgoKDg0OGxAQGzcmICYyLy0tKy0uLy0v Ky02LSsvLS8tLisvLTctKzcrNS0vLi0tLy0tKy0tLSstLS0tLS0vLf/AABEIAKoAqgMBIgACEQED EQH/xAAaAAEAAwEBAQAAAAAAAAAAAAAAAwQFAgEG/8QAMRAAAgEDAwMDBAIBAwUAAAAAAQIAAxEh BBIxBUFREyJhFDJxkYGhQrHBwgYVIzND/8QAGQEBAQEAAwAAAAAAAAAAAAAAAAECAwQF/8QAJhEA AgICAAUDBQAAAAAAAAAAAAECEQMSITFRYXETQYEikbHR8P/aAAwDAQACEQMRAD8A+iiIntHhCIiA IiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCJ0 yEczmCiIiCCIX5kwpKe5iypWQxJKqWtI4DVCIiCCIiAIidItzaCnMSdqQtiQQnYaoRJqVIEXM4qp aSxRxERKQREQD0NkE5tmx7/mfRa2jST6W1CmfqAN493fbxn5nziqSQALk4AHefaVazUV0hI9iqFq 4HtwB/E4Mzpqu52cCtO+xhdS6RbU+jQF7gNYn7fNzK9bpTKu/fTZN2xnUmyn5xeb+lUUdU1yDTrg +nUJvc3va8p6v1UpVEanTp02Njb/ACz2zniYjklwXj5NyxR4vz8Gbq+ktSKK70wan22J/fHE0Oka F0eqg9B3UWZWJx/UnostTT0qrkbtGTe/cAe3/j/cj/6SDM9Vzf3A3b5JvEpycHft+xGEVNV7/oy/ oi6GoWREU7S7k2v8WBMtaDoRat6dRl2qN52tlgeLS3oDUp03Hpiqu/a9AjI+Za0JpprCqY3U8rfg 3Bt+hEskqaQjijabPnafTmeqKVNqbE3O5WwJ7qemOlP1QyOl9hZCcHjNwJqdN6YvrstZbMAWVd1t 2fIk1VW+icbEVle7U0/xFxznm008rtJdjKwrVt9zF6OqmsiOisrnaQ18fiW+qaJabU61JQ9CpawN 7A+D3nvRaZavTIFwDuPwJP0nUCmzaWsCFqHF/wDE9onJ7WvsIRWtP7lPXaIvqWo0aartNgBf83JM hrdPemvqq1N1RtpZDfafkETe0ddV1tbcQN91UnziU6xrpTemaVJEc7fby5vjbnMiyPgvHz1K8ceL 8/HQm6vovUXT7TSpl1yTZdxIGBYTJo9HqNVajdFqJnax5Hxib/UtKz/TKuWQLvF/t4yf0YpPv6gz LlaabGYcA/mccMjUeHR/k3PEpS49V+DF/wC1VKahy1EDcEILX2nw2JNr6DnVUw60FeylVztOcA47 yKpSc1ihVrlyQvnPP6mj15D9Zp2t7SUUH53Tk2eyvozGq1ddUZuu0VSpqmp7aa1DYkIfaMSDU9Ld E9QMjpfYWQnB47iblXTJU19QVOyqyLe1zYd41CN9HUGxVZWuaadhcc/xIsrWq8FeFPZ+T5Yg+DPJ MlS4M4nZTOrRwJc244NuLyvp6e90XjcVW/i5tN7YppVaabgBVpp7jfuRf4mMkqN442YZofIkiCwt e8sdS0tNA+1gHR9u3fcsM5I7G/8ArPKtQ/SUxc/+xx+gCI2tIutNlPUDInWn4Mu0dODToB9+axpu u74GR4Of6ki6WnY23KFqiixJvcefjiRzVBQd2Ztc8SJMETdbSUvUooVIZ3Km1TKgcH+f9pWpoHFB n3MTWambntcH/Uwsir+7h43f92KzX73lO03qmnVjVPud1aoCN1jYcEDv8zijST1NOqqyl6W4srZy rHxIsiorx2Z4lapyZqGkiU6e4MWqIXBB4yQMfxmcavRqEqMAVensuCwJ93Nx2+JVNWSUHRmlj3M9 pnIl3pA2satlIp2sHIAJJ+fi8sDQotTUBgSKQFSmVbkEi39Gac0nRFBtWVCDYkXxyRKdpvikFSsV uFqUN+0nj3Af7StX0yn3tuKpQp1ApbybAX8C8xHIaljKNDiT6WqiVVd1dttmRUtkg9/iWdBQpvkK 2xmVFLOBa4zbyfEeglMox3FjVNNSpttsRn5OYck7RVFpJmfr9S1aq1QixY8Dt2E49Jj3/c2k0ivW qlwffWamG3Ad82HczPSluqBLEi7btpAwB5PEsZqqRmUHdv3Ky07XyOJzaW9Vp1TYy8VE3EBrgG5G D/E5Q4H4mlL3M6+xWpITkG1uDLdbqFSxViCHybKBc+fz8yvpDY38ETV1ehWpWcG63fYpFgBi/Hf8 TMmr4moJ68DM1WtNT7reSQACfybZnVLXsqqtlKqdygqpsf1O+kAbqgIWwRzdhexHBnqojrUqP/8A PYP/ABAAPfF7HjiV6rhRFs+NhddUbN1wxqC6L93niepryjHcAwZhUcYFyOLYxJqegUeqoYsabMAB a9gLg27/ADadV+noHRS/u3IpFxndyQO1sczFw5G6nV2V6vVWYC4G9WDrUAAI/Q8zgdTfH24O9RtX B8jEsajTq5QgG26pTcKoBO3v4nlTp9MXJLWFIVhYjyBa/wDPMq06Ee/U4+vqMCbgEljfaLi/Nj2v Il1zoVsRemNqkqLgeLkfJlyjo6YZlJfaAKm7GAQDn5uQBIH0SlGb3BgrVBe2QDbjn+YTjyDU+pzS 1zFSuLC9sDF+bHtOdXrXIIJFntu9ozbgk+fmT9HoqNlRifdUFNQAPyb3kmq0KG7MwXcau3IsNpxj k3+IuKlVFqTjzM6nUYp6dxtB3faOfzzLi9TdN26zFkFNfaBYA3yLZnnTl3Uagtc+pTAsM5BvaSaj QpuT3EBvUAuRytrZ4F7w3G6ZIqSVojTqDtuNx7hsIKjjwMYEhqa6oGBuPavpj2ixXwRbIk3TqO3U hCPbexWoB4vmc6akKhqMRimC18C+bWB4Ev0p8h9TXM6p611ByOQw9owbYt4kB6jUzYjJ3/aMHyMY P4lttLTN/exX1EpgpbO4X/qRU9FTCszsbKagNiB9vAz3Micegan1OqWuqC53C5O++0YPcjxfvKo1 pDbxhs34zfnHFpfbSKFNi2KaVVvbvixkNXp6CxLMo3im+62PbfgcQnENTI6tZnChiLKCFwMd+3aV vXPx+pc1NHYwXNrAi5B/RHImcZuFMxO0S0Ku3+My3U6k+SH91917DniZ8SuKZFNrkS0dSyFipALX DYGfMkOtcgqW9rAAgAcDiVol1RNmX/r2zd7lrkm3xY/1PG1rEqd2UttNh24zKMSaIvqMuprGBvvP 3F+O5wf3FXXucbsEbDgceJSiNEN2aCdRYC2/wMgduP1OKmuYgjf2K2sMg5I/EpRGiHqSLml1Rpiy sRex47/E9qa0kEbvuuTgd+beJSiNFdjd1RZ0mrZAVDWBIbjuOMyWrr2P+XG6w2i2ecSjEOCbsKbq i3ptS4f1L+4/5H9Sb61se4YvgAWzzcd5nRDgmFNo0fqWItcWuHwByOJ0Oo7RYgm+4uthZye57j+P EzIk9NF9Rl2j1BwoQtgDbwMidP1Bud18huBk2tc/xKES6InqSLbandYsc8ccfiQlV8mRRLrRNr5i IiUyIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiI gCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAiIgCIiAIiIAi IgCIiAIiIB//2R== ------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne_file/image002.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAnYAAAFZCAYAAAAVRmKHAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAFxEAABcRAcom8z8AAMPQSURBVHhe7d0HuHZHWTX+T0Rp0qS3UAQSQi8C oYp0SEIowdBbIPTeOwLSQgBBQGkJMUGCiQEk0nvvHREQBETAggXE8n3//ec3ZB0mm33Oe855T3nK va5rXc85zzMze/beU9bcc8/M//l//+//DcVisVgsFovF+eP/9//9fwP83//7f0/4PzAVqFgsFovF YrE4+yxhVywWi8VisbggLGFXLBaLxWKxuCAsYVcsFovFYrG4ICxhVywWi8VisbggLGFXLBaLxWKx uCAsYVcsFovFYrG4ICxhVywWi8VisbggLGFXLBaLxWKxuCAsYVcsFovFYrG4ICxhVywWi8Visbgg LGFXLBaLxWKxuCAsYVcsFovFYrG4ICxhVywWi8VisbggLGFXLBaLxWKxuCAsYTfj7OFlTYUpFovF YrFYxBJ2M8i8FPjpT386/PM///Pw4x//2EuaDF8sFovFYrGIJexmkHkpPt/0pjcNj3vc44bjjjtu +MlPfrLy/VS8YrFYLBaLy80SdjNGL+RHP/rR8MlPfnJ485vfPBx88MHDec973uGwww5rljsoYVcs FovFYnGKJexmjPAP//APTdQdddRRw2Uuc5nhZ69luOENbzj84z/+Y/t9StjlRQbjMP3v/h6H78MW i8VisVicT6Z/L2E3I4R///d/H/76r/96+MAHPjDc8pa3bMLukEMOGf7pn/6p/T4WbYk3xp5+7zGV ZrFYLBaLxfliCbsZ5c9eyPDf//3fw+GHH96EnSnZ1Sx24NPvX/va1xottgj89p//+Z/NEvi9731v +K//+q/mr/f3f//3wze+8Y32vWuVuCsWi8Vicb5Zwm4G2eM+97nPirCbstgF3/3ud4dnPvOZw7Wu da3hd37nd4Z3vOMdp/7yc3zsYx8b7ne/+w33ve9929/vf//7hyOOOGK4xjWu0b7/9re/3cKVuCsW i8VicX5Zwm4GmZfyP//zP8O97nWvVYWdT5a9T33qU8NTn/rU4WY3u9lw0EEHDXe9612HJz/5ycNf /MVfDP/6r//aLHRHHnnkcLaznW04+9nPPjz0oQ8dXvCCFww3uMENWtpXucpVhq985SstbRjnp1gs FovF4nywhN0Mcj3CLvzbv/3b4YEPfOBwyUteslngPv/5zw9f//rXhzvc4Q7D5S9/+eHoo48efvjD H7aFGOc85zmHs571rMPd7na34c///M+HY489tm2l8qIXvWj4/ve/v5LmVJ6KxWKxWCzOPvXjUMJu hpiXspawg//93/8d3v72tw9XvOIVh3Oc4xzDk570pCbsbJVy4IEHDmc4wxmGO93pTm2a9t3vfvdw hStcYbjwhS88vOIVr2gLNFyLxS8c56NYLBaLxeJ8sYTdDHIjwu6tb31rs8yd8YxnbHvdPec5z2m8 5z3vOdz+9rcfXvziF7d98d773ve2KdeLXvSiw/HHH9/S7iHNqbwUi8VisVicH5awm0FuRNhZJBFL HEFni5SPfOQjw8c//vHhi1/8YpuGleYpp5wyXOlKVxr22WefNgXbn2JRoq5YLBaLxcVgCbsZ5HqF nd//6q/+ath///2HC1zgAm2KdQy+c7Yy6YXda1/72hVhN3X9YrFYLBaL88kSdjPIHrYiIexuc5vb tNWtPWKx42MnjE2MLZz4j//4j7annenXE044YfiXf/mXZsm72tWuNlzsYhcb3vCGN6y8+KnrF4vF YrFYnE+WsJtBEmwsarYqsXUJ0WYrE3vN2Xi494/78pe/PNzxjnccfv3Xf324yEUuMjzmMY8ZXvrS lw5/+Id/ODz72c9u/nR87Fj2Lne5yw0XvOAFh1e+8pVN7E1du1gsFos7x3TCwVSYYnEjLGE3QwQv xMkRz3jGM9qWJaZYCTurXm9961sPT3jCE4bPfvazLSz89Kc/HT7xiU+0bUtMyQpHvN35znduK2ad LsHPjuWP+PuVX/mV4bd/+7eH5z//+cO3vvWtstwVi8XiLnAs6IKpsMXiRljCboaYl/GlL31peMhD HjJc//rXH6573esON7nJTYbrXe96w3Wuc512xNhHP/rRFq4HMWiTYuGFY7XLsWKE3cMf/vD2vVMp 0AbGf/M3f9N+h6n8FIvFYnF7GJihMTh/y1ve0jaKNyOjL5iKUyyuhyXsZoxeiGnSD3/4w62is7q9 733va750f/mXf9mOAvvBD37QwoVggQT/OmE/+MEPriy0ANO6Tqd429veNrzzne9saX76059uU7RJ YyovxWKxWNx6anO12XYu+KM/+qO2aTw3GjsaEHowFa9YXA+jC0rYzRAjtsKg/24cZwoJl7+x/zu/ F4vFIqaNgL6dCPL/VNww4RM2//dY67eg/30cPn+v9/r5boz8lngJl7/DcfpjBlPf++zjI/zzP/9z c4nhOmM2xRGQNo6HPk6fTtin1TNhYRxvKnxxMZl3X8JuhthXztWwnjhr/QZV2YvFYs/1tD3Bau3H TmErry/eWvfep7+RZxT0eU18MzMve9nLmmuMjeTjOgMJv9q1+vR6bjR8cTGZclDCrlgsFpeUOgL8 z//8zyY4YjkCC7Rsn8TClGnCHhEN+UwaESqmHLl9cA9Bq/0DWzhJ1/c+Q+H9ZusmaWWrp591VC2+ 36XbX9en38WRhnyA733XX8Pf7tFvgWskbemAT+n4FBaF+7d/+7d2fXBt8aTbp8kFJs9BfOEw8Cw/ 97nPtdODuNFMPVvXkLZ0+t0QwHWSZv6WV/mXD+9N3OS1D1dcbKYM/qzclbArFovFZWRg+6TXv/71 bUskWyahjc+PO+644eijjx5e+MIXthNu7IX5d3/3dytx80mcfOELX2jTin/yJ38yvOQlLxn++I// eHjNa17TTrxBf/teWn6zYToec8wx7VMY13LdV7/61e174Vi1LAp7+ctfPrzpTW9qK/7H1ye6+BiL J47882F71ate1dLNtfwtf+7zXe96VxNCFpnxP5a/F7zgBcPznve8dt+eSYQdEIV8leXPllKmU6Uv Xdd1PXmVT3nn30zkJb5r/e3f/m3zo37jG9/YfKn//M//vO05au/Rb37zm6dZ+MY3Wjqel2vZbF4a EKEGPvnsSUfeWAPlyz195zvfOU244mKzhF2xWCwuOQNbKRE8VtGf//znH8585jO3M6eJhCOPPHK4 +tWv3rZfutSlLjU85SlPaSKkB6uSFZ6E093vfvd20s1Nb3rTtmKf2EHxfuu3fmv4tV/7teHmN795 EywEGDGVv//gD/5guOUtbzkcccQRw3Of+9zhVre61fCbv/mbw1WvetXhYQ972PCnf/qnbV/P5D0d GSsVISTO7/3e77Xtn+T1wQ9+cLu29NHfztPeb7/92hnbdgggok4++eThaU97Wts6yn0edNBBw+c/ //mWdsAi5v7cV57FE5/4xJauvF360pcezne+87XrywcB11svCS/bT8mTe3a/4hJtj33sY4eHPvSh K/uPWih34okntt+ucY1rtOvZ+YBYG9+7z09+8pPt/dlVwfOT3kknndSEZML17724mCxhVywWi8XG TDO+5z3vWdlDk1XKlB5L1ZOe9KR2eo39MC90oQs165Tve9EgDRYl1iICjoBhSSJU0HZOzreWtt9M M+Y3dC2izZ6drIcsc/4+61nP2sQKi5z0WQfH+UfWMXkihghTRym++c1v/qVrvO51r2tC0XZSpkRZ 5Qgw06I5ytH1/O+3wLQuYfXABz6w3QeRRhhK17Tqla985eG85z3v8KIXvajlndj0fIg6uxYceOCB w7nPfe7hQQ96UPs9eXLPz3rWs9q537a6eve7393uR578/qhHPWo43elON/zGb/xG2/bqQx/60Mr0 rPSFzXSyXRTsbWprLPkVrn9GxcVmCbsZYl7GWkgFXk+ccdi14uS3oA/fcyruatcpFovzxcB2SBe9 6EWbVc2UZvDd7363TVH6jfBhnWIVMv06hmnGy1/+8sPjH//4dmZ18L3vfW/F8kcorgbTnSxNhBEL Hovd7W53u+GrX/3qqSF+uZ3qwXJ19rOffTjggAOa1WwMgo34Y70zVdmDMLrsZS87nOc85xnufe97 t6lnAouYJN5MRxOGtp+Sx8B2Jde85jWbODOd3AtC1lAi0gpYljwCdwz72D360Y9uwm589rdjIW94 wxu253bOc55zuPa1r92seVP4+Mc/3kRin7fxsyouLtNPl7CbAW4EG4mz3muMRVsfb0/xp8IWi8X5 YkBEmEZ1Wg2rXA/WKkccmqolMgguU60WD/TgN0bYsTQ55SZg3XJutbhEX9odn1nkkAUYLFCmI22o Tsw4fYd1LRjnP2mJZ4qTsCO0+K4FxJa8/sM//EOzmPkUvm//CNj73Oc+LY/orG7XJXgJW354YzHo +vz1iFbCjiDOFKxr8pOTHxY+VrUgeQ/4LrpfU8LEoLyB58aSSGz3+TL9yqKX/EvL/f7+7/9+E4r5 rrg8TFkoYbeL9BJUfI2JEaARoYbV6I853jmvNif2vYpuBAviaQSZ5DngMvMbmZpGMfVg1KZh6Rss 1zEtonEWRjwNg3yABtjvmT7o44LRtjyKlw2U+9E4jO+vWCzOBwPTnasJO4KNVemZz3zmcIMb3KAJ DAJOW9VjNWHnlBxToOLxt+vhN+0KcRNoXzYj7FjiCCkWsvFpPYSPdjMQL/GR8NLuOtaRnx4Ra+qU /xtrHX+8INcU3zPohZ1pYTDNauqW7x1rXQRfrhuCNpq1j1/hIx/5yGZZFO4zn/lM89u7zGUu0/we TfmynJqW1V+IB9IpYbfcTJksYbeLBD4QVnodeuihbQrgKle5SmsgfKrAfDl8cvQ1TRDfCuLtLne5 S3PgFdY5sD4vcYlLtJFhRpVetFGwFV4aC9MTHIQ1vJyI//qv/7o1Pn4zUjWK7UHoGUFb9cXvRDy8 1rWu1VaDGQGnEYOp+ywWi7PNYC1hx++N/xwrkYGddorPGAuTNiIwTXi5y11uUtjFYveIRzyiDU61 H2jKk4gjYiJU9lbYWXRgYJxrsADyG7RqNfc8Flj537VYyc52trM1/zbtrBW9QcLn77Gwy5YrBtz2 q5MfU6Sx2I2vC9p2cfkwavOJNL8ZgFvMQfAZfFsUoQ3nz8eK2Le/Bvcl7JaXqQcl7HaRwHfjYx/7 WPP54FyrAdDwEU73v//922orvh78Kog7o0mNhtEcJ10VXkPMTK8xMLKzki0NLUGnMdb4Gm1zWn7A Ax7Q6Cgb1zWi5DCtAWI9DPytERHG6i95EU946Wi4TamYatBwwrjBKhaLs89gT8LOd8QJmpbkO3bj G9+4iaW0OYSdQar2obfAabO0a9q3G93oRsNRRx3VRJip03vc4x7NAsX/LJ3TZoWdPBJkBJK2yjW0 lVkx6/+EH7dX+Z64NLPh3uT3Ihe5SGtHg4TP36sJO7MvrJvyw9JJFMP4umCRhbabf5/nR9gJZ9sU K3G19RaPGGyzILIm6hPM5gRmVUrYLS+78lvCbreYyq2y8vn4sz/7s5Xl9oQU3wpOsMSZkdkVr3jF 5uNiatYKNtOjrH0aV6vATBmw5PleuhoADs777rtv88kwepSmBtboWSNq3ynm/V/91V8dfvd3f3dl etUo0dJ58Yw0NfgaC/FQOrYeOOSQQ9pIUp7iE9LfY7FYnH0Gawk723Voh2KFI+Ts98bhn4XuGc94 xkq7YPbAwHFssTNjoH3TbliEYKGFNsiMgZkGFqlgPcIuHVkQYWeAbBWv+K5BbJphYIVbTdj5O/9r j8UjDIk1YstCjlgTEw587knYyY9tY9aaiiXsCGTTtmZFYrGLsNP2Rzxri1kftf2ejXg2k/b8fF/C bjmpXEEJuxlgYOTFMsf6ZuTWQ+U2tWDJO1+PNBDf+MY3hjve8Y6t8dPwRFyBvaakpyFl9Zva4Vw6 LG4aQdMkEXYaR1sWGCWyKE6Bv4kp2vve975tP6Y04uNGq1gszjaD9Qi7fsWlOp8tQkzL2mrDzADL nMFpv98dYcdlRFhTsaxXBBASdyxNxFvys16LnXaNKNLu+DRlSki5Fr89A1ztXLZCseq0v2fwfzpF sDKXhY+/oFkKYssAlutKkPDiribsDLRZ/fjrEVwG5DBuIwOiWFts9oX/nHC9sOt9/FhD+QJ6nq5r Dzx9iHwnn/01iovPlMkSdjPAgKOvxuj0pz99q5x9Q2OzTBY1DQSTfhoI37Oqacjs+WRKVDyNqJGp TS1Ne2iU+72P+rSJwzvf+c5t01B+KBolpv5LXvKSw9Of/vTTrOQax/WbkbcNRTWYaXiEmbrXYrE4 ewzWI+x6saa9IUZucYtbtFkDB9vbP45vMKHGfzfQJsXHTlvVg4UpiyeSnz0Ju7Qx0iVqiBn/O6VC e8g6aGqyBx+0CCaDYIKPGOzBP9n0sPbTal2zF/yZrbIlXM189HFcczVhR/hqS89ylrMMt73tbVcs kuP20f/aTlY9VjjT2KyfYOPnKWHHeudaFlUwBgjjmZulydYw/TWKi0/lCErYzQADZvsIOyPLHvaL 4gNns85e2GnsemFnFKzBcmQOYXa9612v+YpoaMaNSaCBsPM6B2aOuKZ+NS5G4ARmjrHp4ya+a/G1 Mco0JaPhDMbhi8XibDJgnVeXCbvxrIHpTJZ505SBuNqMDDC1XRYbaDu0U/1iLKItFrvxPnYGnSxr /awCCxvf4Oxjp10aQ5vG94+QNPMAZhEMgFkN+xWwIL+mU7Vp7tXv/WDUNbmecENJXOFZ3u50pzu1 dlY7N06XWCT84osX4Scudxk+dmc84xlbu5zOt4frOo0i4pE7jbhAWBp0E8/x0QP3ou0mrPUNxJ1n ZQaH2E2Y4vKwhN0MMSDsjGg1juPRskbVEncOwfxa0nCMhR0LmgaSY7JpW8LOiC/or6sQoEZVQ2d0 6n/hWfo0jqZ9Y7Hr4yIQjEaNwvILsbgjGIcvFouzyYBAu/jFLz6c4QxnaCKkhwFivzBrDJZ7/mRO p8higbh2AAFFuBB29r/bEwhGIutc5zpXW/RgZmEMYVjozEo4UgwIHe0RN5TV3EhsEWXQajBrkKz9 Myg99thj224B2s9+tSnLnvvRNrs/wq/fMFmbSUiydrp+D9ZILi2eiZmR3vIYsPg55sxzt9CjByvf wQcf3BbX9XkK5E0bzFrq2ZoyLmG3nCxhN0MMTMVqjDQeRmh8MtCo1WjNVKwGh3k/L3A1YWcawajZ Xk57sqKNYXRqBKhB1fjFOjgVT0Njp3dL74nSNK4wDl8sFmeLGdyxCrHGcanIRrim9rQ/Bnc+Wc20 CxZF2G/NNGvaIeDGwTdNe8Q65dxZYo4g49xvetG0qrS1FaZ1WbPESz6QcLRwgR9eVtESmxYypE1E os9KfbsH8IUj0riOaCvFIe6cW5v8o7+t6NeWuh9Tte5DXkzdWo3KqqhN62HK2bSwdJFlzAIQfoTy QQz6ziI0z02bbfGD9lGbTEi6tqlSljnX4xNNLGrT7etnutcuAzZDBr6MBvh3u9vd2oCecHM9wtFv /bNnRTV97IQKIjinW0y98+LiMmWihN0MMCDsmPkJO6LKSjO0UpZAM5qMeT5YTdhppH2nsdLABFPX xxQIn4Qdi508aHRY8mAcB1jsNIIaNat2y2JXLM4PA2LBoJLViAuHfduQFd40p0//s0hpj4gHYhC0 GX1a9o7TfhAt2iPiiX8YX7CkLR2bFVtoEV+ywJQtUScMQSeOhVz77rtvywemXfSdxQ1WhBI20hYe xXX0WcKjv02X+s0uAqaKtaG2DSGe+MjJFyHaL0QjnIiyPm3pyBcx6DrJp3z7joDLNlCgrbQjAbFG sHrW8u+5E4KeQ/8cTe+yRBJ09id1TfknAMebLIP0PXsCtix2y8kSdjPEwFSsCm/Ux3RPVCGRZiqW 38UYY2FntGtq1XStLQeMXnsH4rWuH/BlMRo1ujY6N6KGqXhEJB87jaw47iEYhy8Wi7PFwMpLU5qm AS2C4idmdWnaIDQLgNoj7UsWRozT8r1VrqYniSMWO9O6hI4pQ2kTYUiIEGU9+JGZ9mXhkgdxCS15 6/NjoYHfTWMafBrA+k4exXEt1+CvnDj+Rr9bKEIMWSyhfXUNz0AcaWWxGRBoZj4MYj0f8YV1T9KV t/zm+fheu2uadAziTlhWOzMi4nhW/aBdB80q5zdh3ItpcGmb8s4ClrGoJqT1CfHFy7spLgdL2M0Q A6LIyioWO5Ve5Qw1QF7auCKPhZ1GUhibC9u3iTA75ZRTTg39yxU9BcHfaciINY2JhRpWuPV+KokX uB6nZSuxrGrTkCWPxWJxPqjOa2cIAyIJuWAYKIZ+851wfNK0F1NpWQAhPX7A/vcpbuIlbf9rL4Qf p+F71xROePGk0ecnvxOPRJFpzz4OTsVxXb8lf+7D9XKd5Ktvx+RRG5x0/Z6w0nSd3FvuVfjEx8Df 8pj8+Dttb67p03f9c8v1fCbvPQN5nXqmxcVn+vMSdjPAwKjNXnWEnRHaFMZx+FI4jow/CT8NDUVg 5GxKg+neFGkWXIzBEmiEza9FYwRWyZpWsDEn4aYhG8Oo0WiVf4lReK7d31uxWJx9bhZ7SisdzZ6w Wvz1Yr3XGWOteH7bmzxBn8ae0lpvuGAcvo8zdd3i4jPluYTdjBDe9a53NT+Un72Otos7kWXk5WWt VlFZ+fivWE1FxBFzMekbPfLdsLAhW5H4zkjQKDcjaXtAWaVmWiTCzooveeDbJ31bCFjhltGgUWNW rLEyyrt0q0EpFouzymDqt2Jx3lnCbgboJRBhHHhZ3vhPcKa1TQmHYIf+WyofM30fh3XM3nb8PIg2 lrW73vWubU8ny+MTh/Bj0eM4zFGZeOOUS+QhyxwnZ6vTghQOeyvxN7Flit3lrTrjN4IsgM535CRs JVechMf3WCwWi7NCg9kagBYXlSXsZoDA+uUYGM64/NTuc5/7tCX6tgqwdN8Uaaxo3Utr06C2HCDW LPc3HWqHc5tbcq7liwEaMqKRxU36luwTcqxxrHksdURdP4WbvIHvCUXOxaZd5QlZ6+RN2jmbFvr7 KxaLxVkgaGu1V06o0IZCCbziIrGE3QzQS4j1zdQnC5xPy941QDYLNbXajzDzaUrVknaLJzRU4ljN SiRaTUXQ5SWDqVPWP+Gli8K6ZkRg0g57iC9v4qP8yUMwjlssFouzwLSD2kS+wLZ2IfKg2q3iIjFl vYTdDHBPmGp81gPh8qL3hKlrrDcujOMWi8XiLDDtGL9iq/1th1LCrriITFkvYbfA7DH1e7FYLC46 e2GXffFK2BUXkSXsloAar34/qWKxWFw2lrArLgtL2C0wQcPlTFmbE3/mM59p38FU+GKxWFxUlrAr LgtL2C0wwYILZznyKbHxcDAVvlgsFheVJeyKy8ISdgtMMP3qMH9bm5x00kntO5gKXywWi4vKEnbF ZWEJuwUmsNg52NuZs/3mw1Phi8VicVFZwq64LCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64 PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFY wq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbF YrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CE EnbFYrFYwq64PCxht8CEEnbFYrFYwq64PCxht8CEEnbFYrFYwq64PNyUsBOpuPOcehdrEbZD2E3l rVgszg+n6vVOcSo/O0X47//+7xVh97OOr303FXbROPUuiotJ7xvWJewSuLA7mHonaxG2WtgVCoXF wG509rOCV7ziFcNxxx136n/LgxJ4y8ENCzufxIJRT3Fn6HmP38Va9J7yYlcTdgkzFX9PNH0xlc9i sTj7THuy2fq/WabNYSXbzT7kP//zP4cXv/jFw6tf/erJ3xeNnrVnPvVOiotJ9Qz2KOwE/PGPfzy8 853vHB75yEcOd77znYd73OMexW3k3e9+9+Fud7vbcMQRRwzHHntsa5DSOE69o7DHasKux1QaY6ag fPjDHx6e+tSntrzhVL6LxeJsUrv9qEc9anjf+9630p5M1fetZNosbdFHP/rR4UlPelLLy260H/e8 5z3bdQ844IDhute97mSYRaJ7Pfzww4cnPvGJw5vf/ObWh+/EOy/uLtNf71HYwd///d8Pz372s4er XvWqw/777z9c61rXGq5xjWsUt4nXvOY1WwO03377Dfe6172GH/7wh+09wNQ7SuP5zW9+c/inf/qn Fs5ILcLujW98Y/sOpPXd7363VfTEHafXE4R52cteNlznOtcZrnSlK63kcZzvYrE4e9ReX+Yyl2nt 91FHHTV8//vfb/V6qr5vJdPJaGtYys5//vMP++yzT8vPTrcfrnn1q199uOhFLzpc7GIXa3/LwyK2 Y+k/LnGJSwwXuchFhvvd73479s6Lu8t1CbsE+pu/+ZvhWc961vDoRz96+JM/+ZPhL/7iL4Y3vOEN xW3iiSeeOJx88snDYx/72OHhD3/48Hd/93ftPcDUewLC7v3vf38TYO95z3uGn/70p8MXvvCF4cgj jxze+ta3tv8/8IEPDH/0R3/U/v/Xf/3X9n5xKs0QfP7hH/7h8KAHPahZEP/8z/+8cSrvxWJxtqi9 1i6YcXn+858/fOMb32j1ek91f2+Z/kNb8/SnP304z3nO09ozA01t3FRet4snnXTS8PrXv364z33u MzzwgQ8cTjjhhJaHRWzH3Jd37lkzDtzudrcbvv3tb7d3MfWeiovD1Ll1Cbsvf/nLbcSlsPzgBz9o 1iD+VsXto2d8yimnDM95znOGv/3bv23vAabeU0CAH3bYYcPv/d7vDV//+teHr371q+29vfvd7x6+ 8pWvtOldlZywy7udSq8nyMvLX/7ytprMNM5UfovF4mxS/f3e977XRMxLX/rS1i7ATgq7pz3tacNv /dZvtTZtN/oP17TdiXbM4HQqzCLR/RLQN7rRjYZDDz10+Na3vtXexdR7Ki4ONyTsiIIIux/96Eft u8L2413vete6hB2Chss7espTnjK87nWvGz75yU+2FWCsf29729uGxzzmMcPRRx+9IbM8aCT++I// uK0oY/krFArzBS4arDm7Jex+//d/f7jkJS85vOUtb2nf7RbMOBF2ywDP+sY3vnEb6GfWZ+o9FReH GxJ2f/3Xf92m4oiFf/iHf2jfTYUvbg2Dv/qrvxr+4A/+YF3CLu/KaigWOY7KRmx/+qd/2hrz17zm NY3f+c53Wrj1NuoQYWcPqPjwwVT4YrE4WwR+0gQNVwyWfVhvG7BZpk2KsGOxIy6DqTjbweTDwJeB wgCVVQu2+xnsBgOD/N/93d8tYbdETFnfkLD7sz/7sxJ2O8BgI8IO87403HxpWO6sjLr//e/fGrOP fexjbSoVpuJPESLsdAr//M//3L6DqfDFYnG2CISdQd5uCzvTwcFUnO1g8rEsJ08EJeyWjynrJexm kMFGhR2CBoyIe9zjHtcqNodhCyoi6jbSmEEJu2Jxfgkl7ErYwVT44uIwZb2E3Qwy2IywQ9CIfeYz n2k+JdLZjKhDKGFXLM4voYRdCTuYCl9cHKasl7CbQQabFXZ5bz4JMftI5f+p8GsRStgVi/NLKGFX wg6mwhcXhynrJexmkMFmhV3YY+r39RBK2BWL80soYVfCDqbCFxeHKesl7GaQwd4KO/QO96bxghJ2 xeL8EkrYlbCDqfDFxWHKegm7GWSwFcJubwkl7IrF+SWUsCthB1Phi4vDlPUSdjPIoIRdsVjcW0IJ uxJ2MBW+uDhMWS9hN4MMStgVi8W9JZSwK2EHU+GLi8OU9RJ2M8hgs8Iu720KG23IoIRdsTi/hBJ2 JexgKnxxcZiyXsJuBhlsVNhtFOtp1KCEXbG4MfbYbfEAJexK2MFU+OLiMGW9hN0MMtiIsMu7Ao2W xvQf//EfV/jDH/6wnfOqcesxlVZPKGFXLK6ffV2E3RYPUMKuhB1MhS8uDlPWS9jNIIP1Crvge9/7 3vC5z32uNeCOEVOh8bDDDhsOPfTQ4Y53vOPw1Kc+tTWuX/7yl4ef/OQn7R2v1bhBCbticX1Mm2kg 9YEPfGD46Ec/2urMWnVsuwkl7ErYwVT44uIwZb2E3QwyWI+wCxwZ5vgw4u3KV77y8Cu/8ivDz17r L/Fc5zrXcPWrX3146EMfOnz6058+Nfbq7xNK2BWLe2baS6Lhda973fA7v/M7w93vfvfh85//fPt+ t0QElLArYQdT4YuLw5T1EnYzyGBPwi74wQ9+MLzmNa8ZrnOd60yKuSme97znHR796EcPX/jCF1am Z/u0+2uUsCsW98xAnSLoLnShCw33uMc9hq985Sun/rI7dQZK2C2OsOux1u8l7JaPKesl7GaQwVrC zrtBfnMvetGLhgtf+MLDr/7qr06KuNVI3N3pTncaPvzhD69cN+mHUMJuc9wIpjqY1L+NYpxOuBry 23quN87nRvM4dZ+4FqbCh8Fq6a7G1bDWb2OMrxmccMIJTdipL9/85jdb/enDroY+rXCt57vee4YS dvMv7HIfY4zDBSXslo8pIyXsZpDBasIu+M53vtMsdde//vUnhdt6eJaznGV4zGMeM3zrW986NdXT vlsoYbc5bhTjTma1hnxPmEpns2mNMU57M+jjryedqfA4vqepMFPcjmfRp/mhD31oOPnkk5sPa9CH XQ35veda6NNci1DCbv6FXfCjH/1o+P73v3+a8jUVroTd8jFlvYTdDDLYk7B7wxve0ETdb/zGb0yK tvXyt3/7t4e3vvWtp6b6y41ECbuNUb1B9eblL3/58OQnP3l43vOe1zqV5z73ucMTn/jE4QlPeEKj 6XD+WD/96U9Pfao/h/ga8KOPPnp47GMfOzzrWc9qdfD5z3/+8LSnPW14/OMf39JJWo973OOGo446 avjgBz/Y/C3Fl5cefhNeeuJ7p2nwlTFT+h/72MdaOvLsU56f8YxntGsqb95/7g8tEnjVq141POpR jxqe/exntzy6V4t0ksenP/3pw3Oe85zhne9858q0f/LnUyf71a9+tZUvcZ75zGe2+O75U5/61Mq1 +mccfPvb3x6+/vWvD//xH/8xGS70fQ/pepaeW55vpkxZwT2XL37xi8NrX/vadg/u6cUvfnG7R3l8 xSte0e59nC5B95CHPGR40IMe1O5DfKvSA/f6rne9q13vSU96Ukv3mGOOWWlXIflFguzYY49tz8Nz 9CldbQPBtNr99oQSdvMt7ORTG2F2RRlgEVZ++W+6l/4+ghJ2y8eU9RJ2M8hgStjlnfz4xz9unemZ znSmSbG2EZqSJQ5YAIm4cSNRwm5jDN73vve1Bnj//fdvzxj32Wef4fKXv/xwpStdabjiFa84XPCC FxxudKMbDccff3xb0UyUBUbl97vf/YZLXepSw0UvetHhPOc5Twt/mctcpi2QucIVrrDCS1/60sPV rna11ugTJoFGnzX2M5/5TBMSrnnZy1625eHggw9uwuMd73hHE5w6jRNPPHG49a1vPey7777Duc99 7pZn17zWta7VBM53v/vdU1P+OZRNK7C5AlzkIhcZzne+87W/5fEqV7nKcLnLXW44//nPP5zxjGcc bnWrWzXhGORZ/c///M/w/ve/vy384ZcmHfds0PLGN76xhYE8X+VTHO0SYeQe/uVf/uXUUNPlMiBe PQti9QY3uEF7Fuj+XvaylzXxywr+pje9aTjllFOGRzziES0v7ivvz7PhO5fO0jv7xje+MXzkIx8Z jjjiiOEa17hGexfekdXohLu8RnBb5HSTm9yk3ecZznCG4ZKXvGRrW5NPYVLPrV5/8IMf3MqLZ+PZ ei46dfcC43sdE0rYzbewAwME/YH6qN1Wbg0w9AXQh4USdsvHlPUSdjPIYErYgfdipHbb29521dWv G+GZz3zm1hGx0Pz7v//7yjWSlxJ2G2NAUHmHLCw6Nc/62te+9krnooN/ylOeMtz//vdv1IETKRph z1yDTVzoxG9+85u3d00EsBi9+tWvbkKERdC74Wf5gAc8oFkAbXsD3iGxaKr9nve8Z7O6CR++9KUv bWLvete73nDVq151ePOb39w6/ZNOOql9/5u/+Zstzze96U2bVYlQ/bd/+7eWdkBQySNBSSj9+q// ehM0RKA42g0iiEiUHkvWxz/+8SbMAvfqnok493DQQQcNj3zkI9sziggBzzZtElHj2RGQd73rXZtg jCgevw9xlGv5P/LII1csZe4/z8Kz9Hw8Z8LJu7EIguAUnnD2LNzjC17wgib8YiVkgSPACVyWSe8D petde//eGcFIqLl/1k/3SCh6rwSgstJb94BVkDWdtZAwvsMd7tCeq21UXB/G9zsmlLCbX2GX/Htv d7nLXZr7jLJ4gQtcoJXj1MmED0rYLR9TVkrYzSCD1YSdRuntb397swyo4HtLHcuv/dqvDbe85S2b lShIXkrYbY7Ei+kT9edmN7tZe9aHH354ExlEm46ZMCLEvGsNMMucrWjUM/VPfFOyRAzRRGTp1BMf /S1NDTlLVISdDpUlTgdAkCgziYN+J2ike9aznrVZ65QtAokgJJrk2bVdQ8eoLIzvUx4tEiBUzna2 szXxYSsdPkDyReC6N2m5DusYwRS4z1xXHnVWrF/u2/f9tdImEUhE2OlOd7rmimAREEtcfk/4wPMl qgljwswUrg4xz0I+Wdb222+/Zp0jlJX1//7v/27pqhvy792IFxFJYJp6Pcc5zjHc/va3b8+tf8bu 4ZOf/GTrkL2H+973vsPXvva1Fl9nS/SJy/LOiipvma4Gz9vz9a5e+MIXtmlv70K+pt7FFKGE3fwK u+Atb3nLcLGLXWxlMH/xi1+8lVNlF8bhS9gtH1PWS9jNIIPVhB3BYBTPyqKCbxWJhrxfSF5K2G2O ASvMbW5zm/aMWXam4Lmy6pz+9KcfDjjggNPsMQjKgelM06fqYw/vR13VeHPcJyhcn1WXkLR34b3u da9fKkdAZLCi3fCGN2ydrrRAWNO28szKFYw7wkDnzUpHpJh+Hl/LNfpV254DwaOzTTsDrFmsU9n7 DXKthPOsCECWSFbrc57znE00EKYED/ThferQiSfTwr0/aQ/TzJ7z7W53u5YH1jIgAl1HvllEA4Lr ve99b7PUEXUsnb0lMiAiWAdNobGMf+ITnzj1l5+voDW9mudC9Lo30+kRH+B+1EGWvmD8LlYjlLCb P2Enb6hOGgAS9gZhyolBgAGXstSXeQxK2C0fU9ZL2M0gg7UsdhzRbTSskm8VdV7x24HkpYTd5pj6 w3fR9KJnbFqSIAiEA++Uf5eOnwAwLZ4G24icD2T81Cw06PGe97yniSTh0XUJQ9YlDTuL0rvf/e6W jt/G+WNlMt1ImBCFQFjxj5NnZTBI3HEaRBF/tLOf/eztpBMLDwL3ayrYdOY1r3nNJvBMyxK7f/mX f3lqqJ/DdKkFCp5FntP4WvzZTEcSCayXrHUshcRi3z4FhNm9733vds273e1uzboIU8+C0FXOCbHU O0KIoPYsCFQCwfsi6kwD3/nOdx7e9ra3rVja+nSDz372s8MhhxzSLLKmaFnsWDRNqXvOOur4Tt34 xjdu07axvALLnzJhIUWQa+yJUMJu/oRdQOQr7za8ZqFWRtQxrgIZSEyVuRJ2y8eU9RJ2u8Q826nf ghJ28828417YETgRACBcoLNnLRJOYxzfGWKL8CLsWFWJn5z/a0Wo30wj9iAYWKd0pspKMM4jmH4n 6oikbKGg09iIsCMcTMUSdqZie2Fn6tD9ECzaEf5k8d8jdNPJgnvjp8byOBZ2oHzyQyQUTNeC1aLS sojE84Dky6e0WMJMserY5Qf6+0j6yjfBxqoXYdULO36QwnpOfB9ZKK973euueopLQIybjjUVTXB7 d/JBQBLzrLXug/BzHc8q9weEnWnaEnYbZ/Ixj8JO/pQtgwLlArUDrOPKRDCOByXslo8p6yXsdph5 pj3GjUuwlrCzklGHkMq+FdR5lY/d1jHver3CjkXNilThrBCN7wxhZ3GCaVqdI3FhepRlSwPP8mVV bQ/ix6pL4ZWj5GUqj0b9Ol9CI/nZqMVuLWEn/+6LxcFUK6vYwx72sGa5s1CBv1ywmrAD1yIMbnGL W7TFJnk+tmZhyeCakLqSfPkkkJzKYlUrn6RYJcf3guqW36UdawhRNiXspGWam2gkioM+veBLX/pS s7KwLLJsEuZJg18fCx1hT+h5bxZVEGKB91MWu80x+ZgnYZc8g7odtwi0Gnat5xiUsFs+ptyUsNth Bv4ed/DjMGv52FmJaDuJVPatIAf7vF9IXkrYbY6pP+sVdkbgGZmb4osA8cmak0UuFgDY/oLwMr3J UjUWdscdd1xzrhbWCs50ZOM89tfvsdXCzn0RV6YkwdSxBQlEDYHqGYGD88fCLtcghCweYFm2KCQg iqRjcYRpac83cXxaMWvlr+1iWNkiCMf3glOYEnZEGJHACkjY2Som15xKz/PQwXo+/PRMr0mD3xTB Y6oNLDQxbcza6tO0MyRsCbuNM/mYV2GnXtm5QPlj6Vb+e2vuOG5Qwm75mHJTwm6H6FmiBlql1MHo wHREOj6/JWywmrATxgar/K109Cr83lCjwceHVUgjHCQveyPsxpgKs6hM/dmTsEs435umFM6UbD8V y1HauyZgbKqrg+LgT+Bo6Fnoeui8iA7ijh+bdwjjPPbXzyesR9j14dcr7GLZ4gvIOscyaZ84izxY 8li2WK0Iu0wLB8qeBRMWengGNm9GK4FZ/oghq4/HK2756xFftlzpt/Tp72XqnoIpYce6afWuqVXX NnUd9OkFsdgJz+fRlHIv7LwvIDhYNS3IMHDzfLQDyoZ3TLAH/XXWIpSwmx9hl/wS/xbS5Axw7bS6 TrBlc+yp/Acl7JaPKTsl7HaIgc7JNJRpIRYElc7zhVTSYErY5Z1oLE3p8LdQ6feG8qFT1rFq8Fyj z8tmhV3yOsZU2EVk7n+9ws70HAFhipLvGUEEPk25ZvFErDiB92JFaA//ZyNjg4dgnEecwp6EnTyz HBNfygd/tPUIO4KtBxGXckikKvMEKwHYT8W6jm1HrD614bMNfqVHsBFzxFWsGqybRBPIJ+ugDs7q U89qNR87nMJY2Llf6VsEQZQSmvayIxhdD8fpScPCDVO3RCnrrHsi7FhVI+wCHXq2m+FXaTBob73e Mtvney1CCbv5EXZBFtxY9a0c2OpE3Rj7no4ZlLBbPqasl7DbIYLnqcPka6Sios6GRSFIWJgSdv3v GiiWtr212vHZ8G6Dcb43I+xSdqxA5Lxvis3fWekZTMVdFOYZWDEaYWfbkfhujeF9Ey32O/O886wI EX5khJ3py946pINSfnzneqx8hCRhRECwAJrmy9YdwvTMd0RJ72NHmEXYOf4q6OMJz+pG1NmOwRQj YcfKxEIVEDB87Cwy6KeQgEsBccaSxRVAXP5zLNLKHeiQTaeyzBFWD3zgA1sYe8Khvy1IcA3PiM9h Lyzlj6C26pRA7q3SuZ/cE+g4ex87Qoig9ixY23zvOXnGTn8hMuVJOe8FZZ+m/BOgOmcLW8T3/PjY EXammHtoc92bxRksjYQ+ZsoWUs72RChhN1/CThmztY22IO20ox8J/uR9Ki4GJeyWjynrJex2iMBy YWUb5+hUVn/3VoyEhdWEXd6LyqpjUOGT3mboGKSsJoRxvjcj7AKdmPzxCTP6ZNkYYyr+IjAgLGLx McU2BdMuhBirkxWRvTDRITkVYUrYAQHoHelAdd6mNVnplA9WNJYt5cQ1pqDTt58a0RVhwsJk0CDP fOCmIJ4O29ShPNqShRCx+jNWaNARmULi58Z61kOdUP5NsV7iEpdoe80RegZAgftSbwxAlEMLfFw7 JJy1S1ayWlXq6K1+ytKzEZ/otOCof7ZjsJraGkbdy0IidSOLWh7+8IevdKzu2VYxrIgs8IRtv/go UF9Z5pwY0O9jR/ASGqx+/VS68Dp2llmimvBTLkyru/9gqsxNETynEnazL+wCZU5b4ci5tNMGFylf a+U7KGG3fExZL2G3A8xzZDVhsdFBW8WnozKdmkqXyhqsJuz6NDXYpp6yfcRGKI7GgtharaGDvRF2 Otgcx+Se7fmlYbWlRG+9G193ERh4RwceeGB7BkRX/xsLG8uPjp+gswDAdEu/lQGxxcdOuXHaQi96 evieuOJ0T3CA6Tuiw9Y4ytMYnPWFYcnim5ZyYKXqlMUuUCadU8mS6PB8IoUwJZ7sK5cD9UGHShgR mERgkDIM8u7eXE+96O+RECMMTUn1wmAMApqbA6un6WBlTNkF1+XjRqy6V89cvnroNE11etYO8887 0MnGYscymKkw8LdnTrSZku3vD/jSSYuwd1/qKvEIrILaVYLHApCgfy7eDyuhhTOuYfo3GJe31Qgl 7OZL2Blk2ajce3eyCmu3erqefAcl7JaPKesl7LaZeYYaVgsmdCwqq06aZUMHZnTeV9RgLWHXh9MJ azg51ut81kPXNz1lKk2nDFONBeyNsJM302u5rik3Qs+0FJ+q8aHyU2nNGz1HJG4495tSs5DB/bO+ sKIRFwQBoef5mNJzvJQVrDpzopfoM/VmU1y+cuLzh7Ri1kKXxz72sY0ElQGC8mRa0lY4WXiRskFU sfaxKgmfuPJgEYAFFoQRi5q67hrZ5d7RdQScPIvrk9Di3O971kBTkbHw2arD6RN+Q2LLNKitPli3 5MdUbeoGqAOOTJJHItBULEFrqta1cj6mZ5cVtHnO4DuCmHjzrFk6TJGqQ6Y8keiyYEk94Q4hz/aP 8xxYDD0LeSPu1DnPzipUU6AWZrg+vzfTwcSBuqBuEImeoXdiT0Hp5L0Qicq5Z2RqjRWOlVK+nIub zlt+WEbdr3ef+/JpHzPvjcWTT2IwVfamCCXsZl/YJZ9865TNtBks0NwQvMOEWyvfQQm75WPKUAm7 bWagwc7mo5hz/tLATMXZk7Drw+oECUcduI41nTLqOHyymLGomPLSwfLNyjteraGAvRF2rBLOI9Uh 8hfp/QGJPB2tqUWiInmZSm+eGJgOJTRMte27777NkuQ5+Dvkc8Wawz9LB9jDM2HhVW6IYfHF8Xef Bgpjmo91LaIuz5No8v6M+l1PfHkSh0M//6+A+ODr5ncCyDV99tcSX/lV1rQLBgjKVPKY9Pvw0kDx CMXeeph8grzoeLU5/PaISHGk49nlKLIxdIYslfLEMiY80aSOxUIGmRYnMuRZOHn1P988GzXHkmfQ w/qYcLk3+SHGc4JFIG0iPGHkVz3rN4gGwo7g9S4IfeFc3z583l8GWn1ZUjY8F511MC53qxFK2M22 sOvrAKtu334T9Hzrgqn4PYMSdsvHlKMSdtvIPD+NiAaVkEllNe2U6TLo4wXrEXZ9eJWXVYKQMnWk k0MNgyk+HbaOkT+PjpDoCqbSRdiMsEP3z/ogX4Qti4TOUwOfc0P9LX8sHSxVY0ylO+vMe9fREwem 4tw/S5p3+sY3vrF9h4SEPdB09mPo4PmfCcOaJT4/Mla9xA+tgnWslbraDxYCHTuhKZzwGn2drPIS IQHEinTk0adruvb4eig9IkEepSecDmh8j+g7efe3cCy1nhP2z8xzYH1TNk1zslZJW3xp808bb/UA yqV8SFtYJKhYTeM3CJ6NNFgokzfpe8YW+PQnr2jrTE8n/3kWwvu+rz8gLyyNwnvOnoHBE4Hag9C2 wtc15cNz9k79zYIfF4X+uYB3mAFQ7n09TNwSdrMr7ALuAKz46SeQtbYfnEzF7xkop1sl7PIMe+TZ 5bf1PEthVguXdHqsJ02cirteTKXXc7W0p8LuNpPXEnbbyMC0k6mt/hB0jrGxrMBUPJ3JeoQd9oVP ujo0wjEk5HQaKrhpqWAqrZ6wWWEXgoZU48Qpn69IphZD1hzpjztBmEpzXui+0TP0v898F/bvro/r +4RPfBzHD4URp08Dk76/iQphfWJ+S7w+f4k/leep35PHqfD5Lf/7eyqvPfw+TnstCueehO3D93/n fpNu4iRPMPUsksbUdyH49FvSFAb6e526r9XSDIM+nfUSStjNvrCTFwKfpTntokUz2stgPfkNtkrY 5flNYfzbVPywx55+77GRe94M9pT+alhPvnaaeR8/a0dK2G0HPTskZjhG5/gvvm0cu1ly+nB93GAj wg43g6l0eoLOZrPCLmWoB6d0G8V6JnyvHJVlutjKWb4lLIosIr0Fb/yM5oEbxTj+1LNbD8bp4Fro n+1Oos9f2N/zWvc/jrcWNhIW1htuqkxOYRxurfuCPmzPYOq3tQgl7GZX2MmD/Fikwz+TT52+wo4J XBH0vxvJa7AVwi7QZnOTYBVHxooYCFjQWfoNyuVxnE//g79ZuaXlfhMun9JjkLBwhOWbi47+sw8z pu9Ruso1I4ZZCGkg/9ek5TfWet+bJeHSsdYq48CMhvjiuXfxet/w1fK2G5QXKGG3TQSCSOXi/B1H WPvWmXoJVosLGxV2Yd7bFDZaCGFvhF3PPl8qhoPrNfgRvaEOwCpSjuf9vcNG818sLjuhhN3sCjuw FZHBLtcZC4UMdK2S7xcKTcWdYrA3wi7PDAgubgP6MYubtM1WatsWSDvueWqrrUJPvKm0iD9hzBzp U8DvAWFrARk3JVtjmeWyeKnfg7NPt4/LEGDhGJ9Y+bQAC7n+OMXHwjI7MuQ36bsXuxGwrgfS7O8d CFppi2M/Uv61Fmpxi+gxzttuMHkvYbdNBCMTztSWqxMsKquVevyGgtXiwmaF3VYStkrYhT2MyLJa 2MKOft8mI1f3b7sLlbv3BZuq5MXinqjcKM86EeTPNhVukQgl7GZT2CVvfC6JMAvctH3aQuIp7e1G 8hnsjbCD7DFplbgV3ny0+WoTnzY+127b8si+k9pvOwDkfpKO/5EAtJCJQJIeIdtfC5RLq9Rts+T+ PQdbCBGQQeIkbdAvsGxydbLoxMyP+0Z5tUjJrJB+WD6tQHcvFkVJnz+s/kWZSH60C6x0/IKteCcG +YJbgEZw69cZJlgE3Zuy1edtt5hnUsJuGxjwa8veXGgfLlsfZKPYqbgYLKqwwx5M+BzxNf5GXPZd yzPz9y1ucYvWICh/KlCgfE6lXSyuRlCec87sehYQzTuhhN3sCbvki8Xo9a9/fVudnXaPOHnzm9+8 Yk2air8ag80KO3BdC74IOXtgav/pAFOlqG+zqbmtgCKYCKRgnJbV9tJxpB7LGV9C5QIS1mIpIski Jf0AkUuo9RukJ2zSBguUGEw8N6498iWvSDCzJup7rZZnAcxv+lduUVa8E66964/fPTei0Kbk7jf3 7jdiU5km8uxcMD49areYMlXCbhsYUPtXuMIVWoHjBHujG92ofdeveptisMjCLuzB38EI0bYVtoHo LZ32QLP3nY6Bz0Ssd7vZMBfnj6A8O4kCV1vAtEiEEnazK+xMdbIKxUplr0qL64iIhJmKvxqDvRF2 RJZpUfkhMqe2GNJeOwqPILWnpdXggXSSdwN3lj3nOZuRse2VfR6//e1vt9/76wLDhy1fuOhwYSKc +Md5TtIMvUP7QsoDa5p+wiI8lrYeyj1/Rda7frYMGFrcI9FnVXxgytj1fU+UjqEPJ+acqmTqvN/E PfezG8wzL2G3xfTMWAEIFBuz5kQIBcTzU8F0LMJNxcdgGYQdppyBa3F+dRSZxo0J3fNDFSjTACpb v40FTKVdLPYEZcyWQFgWu+k4W8HU61kSdqYPCbtgu5/Bakye9KcsXfZWzDQsXy7CQlsr3EbzGGxU 2OVatvxhQZQP06ymUPt2P3kHfmY3velN27Rm/1ylF7g2QU1DmMI0C0OI9fs7Jg/A9ebII49s1+Ub R1g68YU1rwcBaB9UG8B7fqyB8uHZBcSges6tx/6ZvR8gEIWeub1fcwKTvpsFj6B0clJ2asjz6ePb OJo10LPiD5nfcz87zeSthN0WMs/Llh7Mt1ndZFNepuXeR2wqfhgsi7AL8/wCljmjPOb1fsNO1JgY IRo1jp1fi8XVmDISYVcWu+k4W8HU51kRdqwsBIbtQ3qXjqk4282AuCEKssepmR2W5GAz7yjYqLAL TDPyJWPlIq4IPYJHXvr8AD88oouvmmnOPOuE4bumHyOov/a1r7UpTQKLGLJwIekkXTB96ug8Vjru EhYcEmzyFUsrsPgRdPJqgYRZHhuD9+eR70nYuQ5LH6sjQccvnkHG/06SWW3hBugX7T1JeJqKtsfl ZqbOt5K5txJ2W8jACh3CQ4FRWRUqfgJpTMaFZMxg2YQd9pVOJTOaNXqzGslIT8PnmWoYTG3b2Jgv SMpljz095+LyEXyWsNv++pG6vNvCDkE7ptPXlvHjymbPMBVnOwlEiilKJ49o09DUHv+zYDPvKNis sBNPn8X9Za33BcQycUobsLTleQLRJ76ZF2XPb6ZJWessdDB96Z1A7hMIOnqD0DK4t3CBW44FEr1/ OqHo1BtWPUcYsroRdv1ii17YXfOa12x9cyDvyqV+mmWS6GQVtOrVvTvmcbXtUMD7Y1yw2EPZtpgi 50j3YXeSef4l7LaIeVZgKfQ5znGO01RWlUU4GMcdM1hGYRd6nq6rYqrMGgRL7p3TeaYznak9V9O0 /FFsdqyCZmuAHuMKWVxugs8Sdssl7JIX71s/xsJjBWY/vTcVbzuYvGivHOlnb9P0FRYWEBjBVPw9 MdissHNiiuMGWRE9q2BcXvyvjTYTxaWB4SLfA2sXMUa45kg01jirUrXd/NuCpA2Ena1fCDTtv8G7 Z8NYkmP87KbAWiYcKxwrJx9FVkYL8YKxxc7+sYFw8ZFjeCFE+eyZXXPvLJGrbTcDhB3DQ44ENH1d wm7B6Fkp5IQPPwIFEZ3/qNAYXQRT8XsGyyzsMOWvh0pvGwArmfqTPJjOmdCtiDJy1JlIA8bpFpeX KQ8l7JZL2GHw5S9/uTnvsyQRBwSIvG738wgDLjumMLVfLET2VWP1SRu72fwEmxV2LIYsX6xkNosP VstPD//nvVtwoS8kXvlNq2v2sHvkIx/ZFhU6Os3/QdLSxpu6Jez0PabPLbogNpUj4sv0sKlf+SMq iSphCLixsDPdKi4S8+qB5+z9s+I94hGPWOmfaR3CzvvwvXoD43sHwk55Juz0P/qezMr1YXeSefYl 7LaAnhNS9/w3mHVVVsLjMY95TNsvSyFIuKk0egbLLuzClEOQF6M2UxhGVHzwPGtkybviFa/YluBb VTVeAbWeZ19cbILPEnbLJ+ySH20x/ywuHEQGB3xtdDAVdysZEFtW+mu7iA4nFG2FyAw2K+zEs3KV 20u/hclqeeqRZwzeNeFqqtSgm5j2vAmn/fffv4k7ixOCxCXsuN/YyJ9os1o1VjT5Ijz1AxbQWfyg TyLUWD6nhJ2+y7YlfLWdbMS3z6yahQ/qRG+1ZRS4/e1v3/oSfXemfsf3DvJgYMC/jg+gPJSwWyAC p0kFkWk3vnWmCa0Uinl2XDhWY1DC7rRMeQR/e65xru2nM9AKMyMuIpAvhfiJN063uDwEnyXstr8u pL7OirALA6KB9Z+lzLPxf34fx9lKei78hznbmx7UXtk1QXuvrd3b6webFXaEFP9lixFYofa0IMDv 2mKfKVN804gzFjFbobg/syz80fxvAM7S5Qg1ZTNlBVjxbP9iHz/PyW9OfyB+9a3SZWFjRFGevDcC kRibEnbque9tX2K7MVOuBBj21wX9Base4cl/z7Ow+0LuKwTfecbCuh/TzbV4YkGYZ6TxYj42Koiw YE1SIGFcMNZiUMLul5nnHaiInpFRoYbIsw91JEaIGlDTLwResJH3UVwcgs8Sdssr7Po2xLNglSIk TNltxGVmMwRiw3OwmjOLwWx0a7oymIq7XgYbFXbo2cgfkXLEEUe0BQT80iJYxmD9dO4qERarJyvX Ax7wgGZl04dZBCENC1eILvfpO36OFsSx5vU7RvCnJt5Yw5QdYGG1zZUtTSy+4ItomxPaRJ5NycZi 1/vREWXeq+8POOCAltcppC7oI5QJ12eJc8BAvxijh7T5EJ773Odu+XHf0klau0HXhhJ2e8k8Iy/V 6p1YjljrbLS73grVMyhhtzpTgTQsyqRDqVUyJvE0lqjhsHu6kWHvzwHiT6VdXFyCzxJ2yyvswoC1 SftmIN5vhbLVzyfPw2rcpz3taSuLwGzlRKSstgJzoww2I+wQWMFMURssWyVKA0yBCDR4JrqyQMIJ DixY+sOkNwXuMu6f61KmPIEPnffg0P08M/nxjqx8tfACnUjEoge0iXbf71bS9mDNY+0jCMd9wNS9 AzGX890t0BhDvszQsUS6br8QZJzmTjLPq4TdXtDzQY6cGiwNl4JgKw4K3ohDxyHMVPzVGJSw2zN7 KKd87xwhYyohJ1cgZ2CHSivHRnR9QwJTaRcXj3nXJexK2GHASiSPtuDgK+XUB9jKZxRY9coSRNBZ yUlw8K8zSIWpuBthsFlh555ZrmwNQpyZPmVVM/NhKlO/hPo3U7UG1Cxc2lXbyHCBsSuEzeStgpVm D//zRzflaUUqIwihazWurVOUUdOgfODcQ/o/izEOPPDA9swINddhgXNdFkLtPJHF+kpkEl7i+01f QKRayOh79SH3mvvO/0Bc2oGBVZWvXX/fKK/65tve9rZN2OZkjq0sL5th8l/CbpPMswEv3aHCERJW wmrAEmYq/loMFKASdnum59y/D39rlGz8SWT3p1cYJWtUjznmmDZC3uw7Ks4n865L2JWw6wnaOeKF 9Ymo6F03puJslJ4HayALklWX2iP+ZvpW05jCbMW1gs0KOwyI0Pvd737NAqePM2VsQYS/pW1lq4Pw gTg2vUp4EVimMpW3fgsQMIVp/zf5MkVK3FkUYWaFvyO/PDMvBKVrHH/88S2ehSU0CNFn82DbnHh2 znu99KUv3RZXuDZfOotSbI8in3z7CE0WOH59xCHh533D1L17V9x8TB3bSoWAy31Lm1j0Hi3Qm6Xj LVPnSthtknk2Cq0RQi8ebnOb27SRSjAVfy0GJew2xh7+17BZOauCE91Z1KIh0UDxieTrkSNjYBYq Z3H7CD5L2JWw6xmwJD360Y9uHTdrkClA97HWs8p9rhYmv+srnC9q1b7TiLRFxA1rj3AwjrsZBnsj 7Pp7kudMtxJuVo2y5PGhM02ZKWSrWT03v9vixApU4mcs7AghfZvTmcxsEWrEmfTFPeyww9r0r3z7 Pme1youyJD+mVLXbFs95nsISmY4BS1pJTz597zrybeaGYFtN2CWfIAzxxmIpPcYC92ZRpOvnOcFU OjvN5KeE3SYZGK3c6la3WhF1yES8Nyo+KGG3OabcapQ1aJ/4xCda/jVORm/eEV9Im1kytU8d8ryZ 91acfYLPEnbbX8ZTD+dB2MkrautYz0wxZouOPbW/Pdb6nT+YaT3O9gaZrEiEUYTPVr2PYG+EHeb9 sTLymyPcWPCIKp+2BlGushpWXaIV0CIU05lEX7b6Spr+5wqjHAornE8WP9eQrqlwftO+ozmSF3C9 pMlfURhhpePd+Vs6KK/S8r08CSv9iLLka4qB+xc39y/9HDUWTMXfDeY5lbDbJAMjkvjWOfCfUFCh gqm4e2JQwm7v2ENjwLRupVe/sTGysHrWnG7j5wJrVfrifBJ8lrArYTfFgCB58pOf3I4y5EuWVaH9 M8vfObHAaQhTzxR8sgDyp0u7Y5um/viwcbzNMthbYReuB2uFG6e3VtjVMBUv5WuzmHpXU1wNU2F3 m3kmJew2wRQIQoCJN/4SNly0msdiClhvwRkzKGG3NezBt8Ju6PwkTMl6b/wy+Hcw4btHexeNR2Sb fZfF2SL4LGG3/WU6/cc8Cbvk2QCPdcc2GhZUmHqzZVKQcOIYMFr8YBUnjJ9r4EB9swSsdVZvWgnL +gNb+S6CzQq73NtmMHUfq6WXsGtdb5zWnsLDVBzsMZXPcZgprBZvVphnU8Jug8wz0SGYs8/2JlY4 cbDMcuq9KQBBCbutY96bT402czyfCaK8t+Bx+iXyNOQ6JHGDcZrF+WPeYwm77e+kUufmSdiFybvt PCyk4DRv+w+O/z2E05Y4z9RebkGflvbGPmwOqueLrY3hF2Z6T/ytfg/BVgm75HG178dYLa2E77/r w41/A//36a0Wtv9uHD7sMfV7nwYG4++n4s4Kk+8SdhtkYN6+P86K34RGU0MAU3HXy6CE3dYy5Tng hMvnRaOdjaVR43v1q1+9dUZ8KJX5vFeYSrs4H8z7K2E33WluJVPf5lnYAb8qR1Cx3Jk65W8mDAjH kme7Ditqg/wOpmkt4rJFh/ZFWyOtregrphhsVNjlntUJopORwsIOGwrbaJ+vcnzsLCjwnd/MXPlf P5XTHPrnZxrbM2LRROEtUonbi98d6yWNpEdzZD9BSP6Q77QyLD/iyJN4fODMtGTafOq+vAvX6hd0 JIxPv0nLfcdPL9fhz5eV0ok3a8y9lrDbIMGojem9P+lApbX8OpiKu14GJey2hynX/jaS5vuik8/C ilADTLxbvZV9ioJxmsX5YN5dCbsSdnui/IfaPdOyNsVlwYu7DRAtz3zmM1t7HYgfGEA6JD7tikGj AWOEzfi6e8tgo8IuINhscWLA64hMlGcnN/jOHqF8yR2HFvIdtJpYOevh2dkhwupXrkpXutKVWpvq GeaMVgL31a9+dduGylZhNiy2mpWYClKWwBS5EzFsiyIf0pNHK16J61hVx/dlJay96Yj0Xsckbf2c mRr34349O/T3TW5yk1Z/siFy0p41dvdSwm699DwodiMETvjxrbOHjl20jUJAuKn462VQwm572UPj oqO3XN8+SNkaBa1es5kmK63yn3oBU+kWZ5d5ZyXsStitlwEBR1AY6DmGzKDQPX71q19t7XQv7Pp7 51uXvkJbQjRtZ7kLNivsXv/616+cukBo8T22xQfhlW1abPjuGEdbkxBs2ksbEmsjpUUAEVJ8zu0D d5/73KdtlcL9xVYmLJgO43fCAx/Fk046qbW90jD7xf/Z9iWnnHLKL20m73nTI/a8s0/pGc5whiYY pUlEs8albOc9sP4pg8LLQ/wl/R7q5zwz+XTfaf/dH196ojHvrX9us8Tcbwm7dTLPginXaIOq51en QKuoW7lkPShht/3s4T5jjVWZU7GRNc8RceP3AVvxzos7Q/BZwq6E3UYYuBczMyw/fO5M/bHeES+9 sAtYnVifuHfoKw4++OC2ynY7N7UNNivs7PRAuLHQOUkilkWWMhsqaw9Z59JeCmOvOMYOoovxw3Yx LHssfC996Uvb9LUpUr+pczaQ9yxY3Vjr9J/yYJrX6RC+98yufOUrt7R6ZKrVtYg0Fr5jjz22fS8N +Rrfk/JPiMq7NPszYxM29I5d0zMwE6c/8L78Ju1Zbu9T536WzxJ262HgKBGdfkYu5z//+dtxKsFW vPSghN3OMWUdjCD5wDDvG+Gd7nSna++akHf8jY2NWW2N2D2bYJYrfPHnBJ8l7ErYrZd92wCsPyx3 rFUsRJ6t/nEs7Ig+ooVI0X5oS1iwiJvtfPbBZoUdK5nFHSyN/e4AZqRyL3wKA22gnQRYMYWhESwk tP2XcLaBGYMIs0egNtWJDn2/wr/PnqM2ldf2Em983cTp34UtaWw27B7da9Dfj7zxjXOMmHT0294D LeO3/j30aQtvJo67VV9mt/O9bQVzDz+7txJ2e2Keg07AaCJmdWSednpBMBV/owxK2O0su0rRGgOO vkab9rkzhZJ3bqsCDRy/EVMIGUEGs175l5ngs4RdCbv1cgo2vGWpYt0iXliriIEefPK0E466IlD4 aeX4LZi61lYw2Kiw876QENPns0TGWgdmq8xUaQOtAu5BrJp+9a5t+M7SZVo1U56Q9AOi2PNhGXMs Z9pReWUNJZwdK0aIeXasctIP+OixFPKxmypXYI9Bp1OYtrUq+QlPeEILb5rXKmbTvMlX4mj/WVWJ OmXW1HSQtGeVeb4l7NbBQON4//vf/zTWOgfO55nAVPyNMihhtzvsYYrAe9AoEHS9751tUjScGvRM NfSYSru4u8x7KWFXwm5PlP8M8qyMNAXrwHnTiCz2BvT2xCQ8zOL0q2Kt3HzIQx6yYu3Hxz3ucVve V0wx2KiwC8fIe1RuLCRwLwRSkN/BiQ6OEuP3ZuqTsArG6bPuGRyf61znaptBx5eOdY610OyY2ZH4 +/F9G1sQ+etZuNGfHuQayZNyr48mIJV9z8H/XGtY+1wrSN6041Y/K6/OrH3d617Xvofcw6wy913C bg/0DHwy+7p/q3AUMuRzpZKv5zzBjTAoYbd7TNkH79fo0pnAnIiN+Ih6ZYDINxrkuGuaxVJ9HYFn BltVJopbQ/BZwq6E3Z4ILFZWdZpSVf8JDceAER76RCKGLxqBkg2KQZ9p6s/gz751BBGhlS08tvPZ B5sVdih/yWPe41rCLmHoA5Y2YXz2QixpB6Zc+R+e6UxnagsnskrW87ZyVVvqmnzaCbHLX/7yzQqa s72FX03YBeJbsezd+ZtPINcpm9I7L5xADxKvhN0SEBQGL5czaE4rsHLHCC3PaCruZhmUsNt95v2C 6QYC34akzpHkA6IsoJG5kSd/kec+97ktXDCVbnF3mPdRwq6E3Z4I2j6iiA+Z9ph1PnSKjVWdBJ0T JExFimcg6D6t1NQ2ECWEB4uU37f7uQd7I+x6BmsJu4QzfWvjfmGItn5bmHF6Fj+wwpmq5lMXbcGK RnyZnmXxM2tiAcP+++/fSIeANtZU7GoWO+XO+yHELfwAiyD8f97znne46U1v2ha3pJwmbyXsloBA zGiYsokth09HUo3V/lYxKGE3G0w96GFa5la3ulUbbSoToRE6PxQ+GrZQIQYD6UylX9w5gs8SdiXs 1ksdPUFAZIyZrTUC1qSTTz65TfOZotUmEFdcNYKpa2wlg90Wdq7bL5wYp7easLMyloWNuEr9lH9+ cU56kq4Fbmi61wxKL+yAuHb/j3jEI9pMSlxl5MeK18te9rLND/DlL3/5Sp7yHjci7GC769FGmHso YbcGAw6gnDcJOgWWaV1BtCoStvrFBiXsZo8B0WYjT1MGpgN6653pWVP2Gh2d6Riz1BAsG8FnCbvt L4fpP+Zd2G0E2mpighGAPy6XDQsNiEDYibof7Iawow/seycMcZv7hnF6hJm2U3/aT8X2wi7TrsTW Mccc0xaxEYL2xVOWtbE2je4XOAABZ+9R4truBoccckhbqYtm3jIgd90g5XW9wq5H//1uMvdQwm4N Ah8Ly79jrTM3f+CBB7ZRWfYimoq7NwxK2M0ue3Citq+VVWDxvQs1KsqKhjV7HfaYSru4fcwzL2FX wm4rGVj16qzp1H9O+wQWsQBTcbeawW4Iu7xrwsm9jxcn9OlZWWxXCUKNz6K4IA53ll7YuYbpVKuP baMiD5e5zGXa7IiZE/faQ17lkR8dIfc7v/M77b2YtjUFqw/fb7/92nf62V6AelcWbqwm7FKu/U0b EaS+y3PYTSZvJexWoXvnW2c1FH+qHBavoGQ37Dyfqfh7w6CE3WwzIPBVbtsfaExMDVz4whduI1Gb bPK1cSbtq171qrbYxuIKjZjnOpVucfsIPkvYlbDbKrpPLhf6BP5bBv+Eh/u1EtZiAOF26p6DrRZ2 pjOJNfdmZWmPhPMs3O9BBx3UVrM6pcMiiZSFgJCyIMWCCH1qvy2K0ysIPe1pbzzxt9+0pdpXK29N zRJq/VYzrHXSfslLXtK0C59oeeJPhyyCtm7RpzlhgrhzrT6P0nMM3Hgfu8AiGGlJw8xN0D+33WDu oYTdBANTrSpmptmYde1ZlMObYSr+3jIoYTf77BsDz8kI0yHSzhw0JcFJV9nRAJlGMOK1gpZvR+9Y LJ2p9ItbS/BZwq6E3VYw98H6RIzEooW2O9F276S1DoOtEnbaNTNXfOJy8oTNhd2X31C4vG8i18IH 1jh+bJ6D5yM86j/tISdvTqZgmcszkhbB5CQPi1O0p33aYBCdc3u5vRBm73znO9tvwlsFa3Btk/mk O4Y0CVU7W7Au8gskGt2n/DPesNZd7GIXG44//viVvKOZF8Lvvve9b9vnNFPIs9CG5zn97DmWsBsz sMWFwqMgo40UbXYYbNeLDErYzQenwHlXY2MrlJSf0FSCDsCeWD2m0i5uLfOcS9iVsNsKgvbRYip1 PXuc2jWBxShhYBx3uxjsrbAD71Bc90cDZKCqXzRdaUYr232Jk3dO/Chvpj75p/NFFp5bik2d+SHy e9OvmBkDq4pZvxwCYFBMPEqD/hiD9Y7gutCFLtQ2MSYkiTKC0RStPDqyTBvbL2ADeWTBI95sXyWs QTcrpHQsxHBtlldGHVvaOFXD85R/ovLWt771cIELXKCVZ9eF8fPbDeb5l7CbYMDqouCYglVYFMbt WgnbMyhhN39MnQGNm9WxRoUaQr4kGhG0PYoG175Y73rXu1rcHtIZp13ce4LPEnYl7LaC4D752bI+ qdsWTTi/VPstzE7X5WArhB3o//mZOQ3CogXWLYsHWavcY/zgEi/v3dQ0y5a4wtIQ4Ste8Ypmkev3 uTODYQsx+9aZbn3qU586vPCFL/ylqc7AdifyZBaN/x2x555Z0izK0F9bAUswQvJF6Lm21bJPf/rT 2+bz9iF0Pf0cy6vyyp9P203wyTNxqv7YisWiC2fEs/LBTr/j1Zh7LGHX0f2i+XMVwfJqFdU0mrPz PvnJT66o8+18kUEJu/lmoM685z3vaRuWXuQiF1nZCzFli/OvhsZ0RTYwhe0sY8tK8FnCbvvLl/Rh 0YWd6TnWn37RBOd8ViHY6Xoc7K2wk28k0CxoMEWqLzL1yCeOtU5ZYnGbusce/OwcvG9xiecizR7i m6I13WtjYn5xrulvJ0wkL33a/mct5FMnD8h9yhQr2ltQPqWb+KgP52PHZUYY6Vuh63pEpPvih+c7 6RCNvhPeJx0gnnY9293094251vj77aZrQgm7joEXTb1znlRJHfxuZJDRxXa/sKCE3Xwz9QeMJlnm lCNL9PluKFuYsxCNho0w+82NYSrt4uaY51nCroTd3jL3R1DYWkM/YXbHLM9uWnOCvRV2U+wx9XvP vv0bP4Og/z5/J944zpgJB+O4wThOOBU+3631fRisFifo4+wEk4cSdh0DIxPHxKikOt4rX/nKTckn zDjeVjMoYTf/7Cu7KQDTFkaL/G9Y75QvtHqWJY+zsZW1/cIKmEq7uHHmWZaw23PHubdM2V90YadO s9CZguV39ahHPar1IatZc7abwVYJu74Nm8JUnJ6rxV9vOBiHDYM85ylMvYOtwmrXzUILfef42tvJ PMMSdqcy92o+3ry+0ZcO15YVt7nNbVbue6qQbDWDEnaLwzGUJ3XqXve6V9tCQDlT3lAHaCUZ8deP +nei7C06wWcJu+1vy9KmLqKwy72Z6uOnlX1Or3CFK7TNcoWBcbydYLAdFrviL5gyAP63hYvZFlun 8Mfz/LUvwm13XQuTpxJ2pzL3ao6eL5RTJtCSbY2Rl7ZTLygoYbd4TDkDZUona7WYqX8bHFtUoYNg wWPR47ibOtdjKu3inplnV8KuhN3eMOA6YU81dRb1F/zDEmYcbycYlLDbWvZtd+B7/SP/aAYh7jQW ftiuxQrdndQNmDyWsDuVwFpnCbWpV5V0n332aat5gql428GghN3icgzTNjbVtJmxfZUi8Czlt3KW 5c7GxpyFE3+nGotFIvgsYVfCbrPMffG5NiCzUa5pWFb3Rz/60e032K36GZSw2xrmfQN/Sn2g6Xfv 32IK26Ide+yxzSBkw2N1TDsNO10GktcSdj9joNHZf//9m7VEp+ookne/+92n/rpz9xyUsFtsjsGv LmfPOipHZ6EcWlxh+wTTszY2zvRssFsdyDwSfJawK2G3WQYWQ/HFTh21jx0xFUzF3QkGJew2z5Td wP/6QX2yffYMtlH/TNxrt23VwreyX/G7021z8r30wi73aAm0l6SShjrSfg+cqfjbwaCE3XIwZRAs 3SfcCDgbYvfl0cbGOkcNSRrqYCfL5zwTfJawK2G3GbonZLlRR+NbxyDA4p493XazPgYl7DbPHhZB 0ECMPPa8c8zYvvvu2ww/nrHtW0zFmnUJUk6m0t5OuiYsvbALdKZ3utOdWiVlUnd4e98I7eRLCkrY LRd7sN7pKDTK9sc6//nPvyLwHHVjN/Rjjjmm7Y+XwQfsRmMyTwSfJexK2G2GgU13HSyvr+CLbYNb /WQwFXenGJSwWx+V0zCw951FEKZY0UI2GxM/73nPa4tl0CbLEfI9trtercXcw1ILu7xML/E1r3lN W9Gk47QPEd86Pk0Jg1NpbAeDEnbLSWUtUPecXvGgBz2oWeziJuCTRe9mN7tZOwJHvcyIcSfL6rwR fJawK2G3Ufb3c/vb335loKUu6h9Tlna7/gUl7PbMMbShrG+mVbnEXP7yl28GH6dUONN2SshNpbtb TBldamEHdvp3PpyTJVhFOK3zZ7ILdTAVdzsZlLBbXqbugf/t2v7Qhz607ZflHMp0Ks6mPOigg9r0 bFZh9Rinu+zMMylhV8Juoww+8IEPtEPmU/9Y0PnbBVNxd5JBCbvTUnkMA/0/TeM0DXXEmbiOFGOR czSZM2H50nGRyalTPba7Dm2UubelF3ZWttglPLuGO+TY2XNR5lPxtptBCbvlZt8A8fNQ9+ybpaHW qYSOJSP2rnvd67Y62h9LBlNpLyvzPErYlbDbKMHsjo7eRuLqnkVORx999K72F2MGJex+wb4t7cGV hXjznJzn7Qxc9cQZt9yzHIXWn2cLU+nPCnOfSyvs0qg5u64/40/jo0LoSHfrPoMSdsWwh6nXu971 rq3cshik7JoSsjKPb54zFrPkHlLel53gs4RdCbv10n0gX1ZWcULAlkTqnGm6tImzUseCZRd2KX9T +MhHPjK89rWvbTMdBJ3nxK3F6lbWu/HMB0xdY9aYe15aYQfuzy7hVrmopM7vdJyTg4j9hlNxt5tB Cbtiz9RHI0iWO52MfbPsn8TSrAzrcKzQ891RRx210on3mEp7WZj7L2FXwm69zH2oc4RcVsLamNi0 Xabodqu/GDNYRmGXdzWGVcynnHJKm2I1I+fMbgshWFtNo7PcmYYl6oJZeZ8bYe5/aYUdJ0mm1sc+ 9rHDWc961lZR73a3u7W59GAq3k4wKGFXnGIPlmXOvlbJcifI3nfo3EqHkyvnynWs0PPYYG0VwWcJ uxJ26yVoAw2kLnWpS63UL9ZxW10EU3F3g8EyCbuUNfC3c7ntLMBIg+973/uayxUxfpnLXKYthtCv 9vW/x9Q15oF5Dksn7IIvfOELTdRd+tKXbpWUn5Ljm3LPPqfi7wSDEnbFKU6BNUFZud71rtfKdKZo HUumAzLlYFSqkw2U8d0s57tB8FnCroTdehjYdJa15zd+4zdavTrf+c43PO5xjxu+853vnBpidu4n WHRhl/LVg3+xTYKJ8Fe+8pWt3dOvP/OZz2z1XR1QBr/1rW9Nxoepa80Lc09LK+w4Ryr0Kinat+7k k08+9dfdvb+ghF1xT+wbJyPUT37yk829IFv3oJXeVnzzJdHYjzGV7qIy91vCroTdehiw+hx++OEr FvFHPOIRzbGekHCf2/0sN8JgkYVd3+6BGTh908c+9rHmA3nZy152eOITnzh86EMfGj7+8Y83n2Pa xazFeHXrVPrzyjyXpRJ23U23+fVs+so/yT5hDm8OpuLvFIMSdsX1cNzIabh0pNe85jXbdKwyjjql G9/4xsOrXvWqtp0PIdivoJ1Ke9GY+yxhV8JuT8zz+fznP98sP8RC+os3vvGNp97F7N1HsGjCbgx+ c1/60peab5xyxULHr5hbilOj3vnOd54achpT15h3dhpneYQduCfO53YKV0mza7hNYH3v91To3WJQ wq64Eaa+AmsCCzQfO1OztvJR3nGfffYZ7nKXuwzPfe5z22i2x26X/e0m+CxhV8JuTwSWIJvVx2UH b37zm7d9JYOpuLvJYFGEXQ8r/fkLG5SadbPX3D3vec/hWc96VntPTgRR1sdY9HYtTJ1bGmGXF/v9 739/OOmkk4brXOc6rZI6ZeL4449vFXhWXn5Qwq64GQb+Vnae/OQnt2lYgk6ZR9Oz9uJ6+MMfPnzw gx9svkKp7zBOc1GYeythV8JuLSbv2rtHPepRK5uCs9ax3mX15Kz0GT2DeRV2fTsEFkLYJ9Azt4JV /60ceQ9mICyKsG2ZPlzYHlPpLzLz7JZG2IEX76gQDuZnOctZWufmvD/z8sFU3J1mUMKuuFn2MLpl wbM1w3777bci7tAxZbZHOeKII5pDcY+pdOedua8SdiXs1mKg73PKBIs315173/vebYrPRsUwFXe3 GcyTsFsLDt9/8IMf3Bar2ByaFnF2K+ucvvsb3/jGL23Kruxtd/meRabOLYWwy33o4Ails53tbK1T U1lNSX3zm99sv89KQQhK2BX3lj007k960pPa+YdZ3ReySBA6VovbiDVYtMYRfJawK2E3RXlGfqos RDaxtbJcHbnSla7UDAPqR8KO488Cg3kRdiknPb797W+3Vfyet706r3a1q7VjPx3/yT+Y36P+vMdU 2svGPMulEHYBgXTwwQe3TVzPfvazN2sdh8vsMj0VdzcYlLArbgXVYzRNYU+7Y489tm31o8G3p5NO CzWe/E1N3fY+RIE0ptKfJ+Y+iDo+OSXspuNsBaUP8ybsQDunntzkJjdpgyB9hs2JZ3F7kzGDWRR2 eb5jmFEwxWph1zHHHNP6GzMML3jBC9qCCBY6ou4nP/nJqTF+ge0ux/PEPN+lsdgxnVP/2TX8Kle5 yvCKV7yi+dzlPqfi7gaDEnbFrWQPgxmdvSN0iLv+aDKWbD55n/jEJ06zsTHMeyMavPzlL2+dRQm7 6ThbwbSr8yjsWIz41jmmT51gtbOTgpWYMMv1IJhFYTeGsmE3CuLNlDc/YJ/2niPkHP3Vi2nPvefU NZaZngkstLBL/s2/v/3tbx9uf/vbt42IVdSDDjqo7XETTMXfLQYl7IpbydSHHvzqjIwJuQx60Gks d7jDHZqDsnJo+sloWTowj41qYAqHJcDArj8TcirOIhBK2K2PyTML0v3vf/+VfeucOOG0gmAq7qww mAVh53nmmYIpbn3I9773vbapunOvrWh1zJfjPC3mslr//e9/f1sBa5ahj+/vqesUf848q4UWdoFR 1jOe8YwV3zpbnGhoMlqftcISlLArbhcDZZ9V7rOf/WwbId/1rnddGfyc+cxnbg7jfIv4oioDVqcF 89TIBkSdVXSc4HUeyjbM071slFDCbn0MbH/FFzXCzlFUrNvBVNxZYbDbwm4Kyt4jH/nI4YY3vGE7 EUe//I53vKP5zRlkspSaRbPQscdU+sVfZurcUgg7u/Gz0KmgKiqz+gknnHDqr7N3L0EJu+J2cwxn Kt7sZjdbEXc9bXhs7ygd9TwJouRRh+EgcB2dqZ9ZOBd6Jwgl7NZPrgesRin3l7jEJdpeaVZn5p6m 4s0Kg90SdgHrHBco1n4aQn/G/cEiCDMEd7/73dvRX+OTIIKptItrM+VzKYQdR+ns4WXvLkunWShg uxu3zTAoYVfcKQamP970pje1k1jsEWVKVr3BM5zhDM2d4dnPfnYrm2kfglmrS33+HNbuvEjnfRKn poKEgVlsA7aSUMJubSavpuaJjQMPPLCVeVtiHXbYYcMHPvCBmTw+bIrBTgm71cCgYprV0V6mWlnn uD94lo5o4zuXbWNgKu3ixphyvLDCLpVP4dFJsUDomA499NA2tz8OP0sMStgVd5rgfRN4BNAhhxzS 9rqzKpC1W0enHplKsSmohrn3g5m1Ts+98A20/5VOjgP8spVhKGG3NgPPhqjLogkrYm0R5PnBrJXv KQbbKezybsH/RC+qa54V4XbkkUcOl7vc5YZ99913eMADHrCyibDwPebhmc4L814WUtgl30blHGBz JqxPo4b41k3FnQUGJeyKO82+wdZIW7Gm3hsc8TlSj1DHZ/WaEfnrX//61pD3mEp7Jwk6mk9/+tNt BexznvOc5qi9m3Vptwgl7NYmGKAQQ/0WQJe85CWb72mmC6fizhqD7RB2ffsA/rennPdqm5LXvOY1 bTEWy7iyduKJJ7Z+jA9dVhT32O4yuGzM+1lIYRdo1I0Y+krKTyLHjkzFnQUGJeyKu8W+Afe3/e9Y u/pOD/mr2jrI6lkDqdQtmEp3JxhY6GEayF5kRx999Gl8eabiLSqhhN3qTD4NZDj2n/Oc52xlm5Wa O4L+L5iKP2sMtlrY9fCsDOa4OHi39oR1qo1Tnbhq2Fos5azHdpe5ZWfK8sIKO1NENh/OruHnO9/5 mrMmB+pgKu4sMChhV9xNjqFzUA7uc5/7nGbAhA5Jt1XBC1/4wl9q0HeqMXcd5PzO0ugMaFso8K1j VQim4i4yoYTdNFNmuB4Y9BMmyrN9HYkVG+ZaZJNwU2nMGoO9FXZ5f4H/Wd6c18oSZ/sX/uve7UMf +tC2KMKxX5/61KdOjXFazMvzm2fmnS2csEuev/SlLw13u9vdVlb38a2zvUGcNWe5kAUl7IqzwtQr UIf4zzi9pd/YGH2nzNq2YLzabSrdjbLHar85ItDmsk7RcJak8gvj8MtCKGE3zYCjPwF0gQtcoJXj C13oQs3yZDofpuLOKoPNCrseLHM//OEPm7jlm84l4wY3uEETcqZdndfq+34T82CW+9hFZercQgm7 5BfsjXPAAQe0SsqkzhdI4ZuHwhaUsCvOEntYVf7ABz6wOZr3Gxvjta51rTY167B0nUKEFWxX/Qs4 Z1vVa3sKeViGkyX2RChhN83guOOOayvALQ5Shm3tYy+7YCrurDLYqLDL+/KprzSAU4fNfMV3zmBJ nefaYBsT9UvcMcZpF3eGeYcLK+wUvGxIbAWfA4WDqbizxKCEXXHWmDpGQCmXBJ4zNR/xiEe0zlB9 swE4sUfg2fDYdGjvpwTSmUp/NQqPLCumf3RanLH7Os/nRz6sYrSi9xvf+Eb7fqPXWjRCCbtfZvKn nLBEKbuhLU7mbQo2DDYq7AL+tHxTTa1aBGE62jYlr33ta9us18c//vFfOoA/z2nentWi0fOHhRF2 KVQaEYsm7nWve61U0oc85CGtYQum4s8SgxJ2xVnlGKY/Ca6rX/3qp+kg0fTs4x//+OYe0VvvptJd jYGVd9e97nXb9gnqekBo8qnj7O5w/z7OOK1lI5Sw+2UG733ve9vgn7WO647V31ZSB9v9nLaawXqF nftjoVOHbVDuuD2blPMxVGYcr0YDcK/oMZVWcXeZOrcwwg7k12iDf40Nifn/6Gjkm6+A33Eq/iwx KGFXnHX2+O53v9t8bvi2qnfnOc95VsSdRUwGWxyundvcizKYSrtnIP4VrnCFthAq/rJ8fFgUdEis h7tZX2aRUMLutExf4FmYspc35VSZtSWW4620ewk3lcasMlivsAO+hCxxBkXqEeucjZr79j6Yt+ex TPRuYKGEnU9TMNe5znVaJeUAe9JJJ82dA2xQwq44D0w7ARZMKCMf/OAH23ms3CFMzaqPBlrOn91/ //2b/1K/uGJPnUXw6le/erjGNa4xHHHEEW2wZnsV00b21NM+Wd2Y/Eyls4yEEnanJZjKf/KTn9wG Hax1NuC+4hWv2FZ9BlNxZ53BRix26iJ/WIMkm/qz4Gn3e2x3eSnuPVPnFkLYJZ8qKn+e+Nbx+TH9 E0zFnUUGJeyK88QeBBeXCBYAvjrnPve5W50MOWHnaK9Y3mC1ziPgxE3EEXZf+MIX2hYV2QyVlSWY SmNZCSXsfsFA2bvjHe+4UiadMsFHk+UZtvv5bBeDjfrY4XglO3gOU5yKH06FX41T8XuuN85UOFwr 7NRvYZ/GVnPqemtxvfH9Bgsh7AKrdG51q1u1SmqTSZU0+V3rYcwagxJ2xXlkD1Y1e8rd8pa3XOlA 0TFl1772tdvKWlOz43hTaarDLHbScmbtU57ylFY/WFj6jZFhnur7dhNK2P2CIG8W1LH+9mWSDyd/ TZiKOw8MNrt4YiMYp5F3vlGsVhbXwkavtVqa4+/2dN2tQvKzFte6x7XCz72wSx6Nsl784he3jVJV 0itd6UrtqKN53oeohF1xXjlukNRFK2QtbsheYWia9ja3uU0rW6ZvtS/igzSSXv7X8bLYXfayl23b LpiGtVKPY/fXv/71tsKRkBC2j7/MhBJ2P6c8sUopL05SyXGTNrBnBXaSwryXnWAzFjv3zYJuOla/ 4zmxbPpUt9QxtCpWvwB5Vj5N4VpNLC4LunKHFmakfobCuA6DjLT6dAIDNm2CuBZx+PS/64C8iv9P //RPLS3X8emaru8a8iqdpOtvekE9EC9wUk3aDrrB1LTnJp3kWdrj55Hn5Jp5bvLhGslHH991lMHc 72oMDDSk5/7lWZq5f+jj5B7nWtglfz7lLZUUb37zm7dKKhyM484ygxJ2xXknqJ8aU/5vtishxi58 4Quv1FU8wxnO0HxjHdbPzyd1ewznvRq0Ce+UAAsybJZq5fv97ne/9rdVjrn2OD/LSNAZLLuwS350 9LbDMjAw/ar8+VvnGUzFnxcGGxV2eT7cl4hederRj35080N8zGMeMzz4wQ9u28Lc9773HZ773Oe2 /jVIXHXcIE48ddHWQ+q7U2nElUaY9O0hGHcM6SQt4opV9WlPe1qz7FsJj0cddVSbBSAg3aNyLQ0b SruO0y/kWfqOiLNaPtuzaIes/JUnJ+hY7GVWgVizqt+CEdDnOkXHPfT5Tdry7X/3hGYHuYF5TuKg sK4jD+LLuzjyn/cB4/fQg3uZgasFoQYe8uw+ubn00+aJm2e3EMKOAraSycHkKiknWIf/x1on3FT8 WWVQwq64KAzURY3owx72sLa6tR+McWB3VBkRYIWeBrePCxp6q25Z7K585Su31bfOquX07hxbf2vI 0zbMW93fDkIJu1+UI2Xrdre73XCWs5yllTtWYx1vpmBhKv68MNjsVCzL+Z3udKe27cu5znWu4Rzn OEfbl1J9Vc/Mil3taldrokVZynsG/YO+2CDN4kVxuUXtu+++rb6Kb2Dm09nt/OG5VvRHfRJf2ogP fOADTchYbCUvqH04+OCD2yr4E044oQnygw46qL0/9+l3U+quK+/87JU99y+fTqIxAJTWpS51qSbA bMJM1Gk/CCgwOPzt3/7ttlWTQaj8imO2QdosvJ6H9sYZudox9+La0nFvwuHFLnaxlefmWVz84hdv izrz3Pp3kO98erannHJKW7WtnXMdvOlNb9oGwN4Ta6Ww4/hzLeyCj3zkI20fIoLOy7zFLW7RCnUw FXeWGZSwKy4K05YEpiWMRG1+Sqjxt7NiVh22StFedUbBRs1G2Imv/Fk0oeG1+ELDZ5SNb3zjG9tq W/Ul1xznYxkJyy7skhdWDlt56HiJOtRhs/gIB/NeboLNWOyQdYuo0t/nTGjHiKlf6tnJJ5/cLFbE xh3ucIdWF/URwJjiXOa3vvWtTZSJyyrKwqdupq4iy9VFL3rRJvp6CxaR5x2xeLFSsR46TUYcn+7L tkcWYDktRD60I9oT/VRcPW5729u29kF+WPfcj/353ItrS0cf6yzp3Kf7ci/ulcsH0WgBmGuz7ikr eR6EpXvyPMwcMCwRb1zCCK+cU+8exHe+Lr9g+kTepWt2wvXy7L0HU7cWiRHXdhbwt/jyhK5nwZh9 BolU1jsQP5hbYZeHwFonbxn5U8vUfARIws0TgxJ2xUVk3wDpaDW8GvI0mqEOQcOvg+CbshFMXXdZ Ccsu7ALCQ14MIpQxFhTHz6VzhKn488Rgo8Iu7HHrW9+6PScWsR6sngZjjuskjLzjMVjObXF0iUtc 4jS7UwT6bqLnkEMOaRY6UGYcB2q6V7pEI8v9GNJ77GMf26ytLHqsbsAvjqWN9d9+fAHdwseX+Dr8 8MNX+jH3S3CxvhlUso6xGJoZMKgcb30jr56HGYceH/7wh9tvpmX57fGHMzhlsbO3ZuBevBd5NOtg MZjrBe7fvTi1x+8EcVZp97DgjNYhYgnOMeZS2CVfwOeGAtYJeJlUumOOgqn4s86ghF1xUdnXYVCu +ONo8Ig5jWfofyNU0ygEivhrQdrj6y0zoYTdz6EvYwlJ2dIZ60MiLGAq/jwx2Kywy3tTJ/WtnhMB 1tdZwuUud7lLm84mcpSvMfQZhJSpyI9+9KOnfvvzckfU6dfkUZngY2cq3PZFtkfyjtT3tUDcsXzZ soaFEbxfU71EGmEYOLjAjhlOFmEF6/PLj43fGuufQSTxbzGEe+QzGLBk8t33PAjPfpsmVsa3vOUt rc9W3gk9K65NzzrFRB8asMgRxdLR5vXC1TOXb1O6/ArjGziGfDFg3eQmN2k+fOp0LxDnWtgpCApX fOu8NPnMgxJuKv6sMyhhV1x09p2FztU0qzrMP8cCCfUaNZCmXDguG7iJ22OcbvEXhBJ2PwcLyb77 7tvKFGMA3yodtLzOa38xZrC3ws70ZYSdKb8erOxWsxNDpkx7H7mAoImw+8QnPnHqtz+3WplaZHUS LytECalDDz20pclHPuKrfy/JW8CS3wswiyoi7Pj6BVavsti5F/6CpjTlI4KLELvqVa/aRGXyM74W 7WMqVxqE3X/8x3+075M3aSUui1989AiwwG+sw3wQWfOe85znNGEZEMBxS1FWg1yjfwaEHGHIZ28s VudS2IEH+KEPfWhF+aLOwJx6MBV3HhiUsCsuC3sY0WrwNJ6mSFK/UafM984IvR/A5XMq7WUnLLOw Sz5sEcHhP9OwnPlN+wVTceeRwVYKO9PVEU8MKnwSPT/uE6ZcYy1KXIiwc7wnSxxInzXsyCOPbL5j vUWK+DMFyQqo3/u3f/u39v04fyxqxHi/5UdgYDgl7KTlmqYuTQ8TkK7BF5BA08fyuzOt6RpBfz9r CbsxIuwMSF/0ohe1/KoHvieEWf6skuU/TMsE/IYJT8/N1k6BfOT++zwRdvJDlBK4wdwKO2KD82Gc YDk/clrs5+qn4s4DgxJ2xWVi4G8N/le/+tXmnMxBWx0PNXw6LFsHWF3WT4nMc73fLsKyCrvkQb+l Y+8HCqZhCQFYpHIT7K2w4ysWHztWIelY6GSWzLQmceMaY8taYEEDixUhLR/OdxbXKlirRAmpiDcg 7CxYcF6vxQcRkskTquv6ItZC6VnVapqYCCL4iBsiR54Ju9wLsNrZiiWLJVhsiUDpyIuykJXRuZf+ fvZksevD8g20HRMfQNc47LDDmpj0nRXF/PfoKmn08XphN7b05Rr9PVnsIT+uMbfCTn7QC6d8za3H t06Bm/cp2DAoYVdcRvYNF5ie0CgecMABbfpCQxbe6EY3atNpOgVlM23EVLrLSlhWYReYOsziHFN9 yhLn+mxQOxV3XhlshbDjs+6ZORKQYLJFiP/5va5mUQpMJVqcwkLG0s4aZ/sRix1Y8YipfhrSHpdW etrZgsVeuYE+T/r+Zz3rWS0NAijtAIFH2OkrCSff9cIun8C6yGpmOlQ+hLWaVTvCmpjr5Z6CjQo7 9+LebZfivpNf9cAK3qCPZ3raalrx+qnY5AX7e7FvnjTn2mIXqKRG8f2u4Zwfe3PwVPx5YVDCrris 7BsvAzZiRGOp3senFvnVcsEwtWHTWY37GFPpLxNh2YUdR/tY6+wFpj8jdhJmHG+eGWzFVKx94jwz Ao8fGgs5CxcXKCtAuUOl3038QJ/BT1Y/zfrEIsY/Vr9mwYWp2n7RisGZlaREZC/6+nyZtiS+TO0S NSyCZu1oE6BVTBGPp2LNANhiyb5voD7QEayKxBoBSuQRfARSnkF/PxsRdgxPxBzDk42LbeZsRtEK YdchinONfIKpYdPF46nY/hp9+Mc//vEtPwYtqdcwl8KOqrUU2A2hY4qM6vuXMc8MStgVi7+oD8qh joWVzjYLqf+oIdSJ5bSZPp52oU9v2QjLLuxszxFhx/fJXmDxbZqKN88M9lbY2Tokq0BNd6p/RJzt N/iHEVVWr6Z/SnkKWMB+9Vd/tS2eIAoDfYhBGD3Rb+Xxuc99rm2+a0Wo0yYiwiB5C4g+PnqMOgQU XzUg4E3zjoUdfcACRnD1Pm0GjRYzWF3qPm0h8spXvvI0YjXYqLDL4olY3jwn8dyf55l30kM8Aw9T uOpq0NfVvB/gY0c828e31wlzI+ySFy/b3i5xgGW25BDbF5Cp+PPEoIRdsXjahsz0kE7C6NdWB3xW jLa1Bax3OiLTMhpnDbbOSRowTndZCMso7HJ9ZUCfQQQoJ6xQNrUPpuLOM4OtsNj1wq6H5+l7U6L9 s+zrKotchF2/3Yn+RJ/G8sbCTiD52wpZ+8gRPk50IIj060nTZ/62cMLv3qlp9UxtribstBlEkHz3 R8cF9tGUT4sdTPXG187zCFgXNyrspBdfOWJUu+R7QpK/n21feljl61g08W5/+9u3bVqC/t0Qp7aD sTEyv0WLgHpf47kQdsmHv704K3Q8XLQM+1Of+lR7yHnx4/jzxqCEXbF4WgbKpBG+qQtTQ3xS0iag kTdrgumMfuQPU+kuMmEZhV3AistHM2WE8Cf2YBH6izGDzQq7gHjI4gnTrj04+fOZO+95z9sWpUTk 9LAxr2du+rHfW7aH6xFl9hJUTy2WUk5c0xSrtAnMKVjBSgTy3zOLB8LaFmm8QbGFWMQpq60tk/pF G0AkmQUkqF7ykpesuHT0z0Obs9oGxeNnx1/QdDWfYPUuoKX0pcSdfe7Gmwu7hg2TGaxMyaqvEZk9 TGt7N54ty+gYcyHsQF68HC+L6dXDZeY0NRNMxZ1HBiXsisXTMm1SD1ufEHHEnAZRo659QA7MGj7+ NPxsNNhT6S4yYdmEXa7Nr4oFhgVIuWDhcRxVMBV33hlsVthZoMCqxcpGvKlHRIQ94qTD8sRybirU 6lirXB37xXLniCxkaSKgxOUzZ3sU3zHMJAzBrV8hkmgLwo7WcKKEBRB8Z1nkva/EyydrvAUWhI3p W/vSKdd877JPob3wpKfei2OPOj5vXLf0rdKSJ759yifR535M6+rz8ryIVitqiTU+gNK2Klc8FkXT ucKJ4x6UOb572iPTpCyHhFj8CVnpWPys/nVmsTNf5UXfKh3PxZZOji2z8p81zu+htoz4JEQ9H4Pb MeZG2GmQmTE9fOZdlZSZuDfxTsWdRwYl7IrFafYCz/86HKN9ZdQKMVMxGmCfnLdNfWi8NaLCB32a i0pYNmEXEAVWcEbsO/tzEfuMnsFGhV1AWJi2JOaIMv6rVnZauEQkp/yYDmU1dyh/Dty3rYdBFjcJ 9VBcLhJ8wEwZSsNuFj7VSW4UBl+mIFMeWd0syjCVK23i0j2Ik/im04kaaSpTrFz8/uy7x4rnurZo MVVJVBJrFlj633Qs4SSv0nINQpJVknjrffCAKHO6A9FnZSv9YYBgqtS2JXke/PIs8LKog9XQ6mvC znPwLN1PfPdoKtuueAZ5R06uAP0tMel/FkvvwjNldcbDDz+8iWaajJjOIhPPL3Vu5oVdwHTu4TKV qqAKi/9tZgopFIvAoIRdsbhnBjoaIoJVnxWB/4+2AjXGVqNp0PsynMZwKt1FISyTsAtcVyfbT9Pb 96uf2puKP+8MNivsCF8WJXGRWCK+WLrUH9avQDyChdWMrxsrkziEHDK+RLz4P2kiYUYAWYmarcp6 sBwqs/Jvf7s+bSKSWGKp41vmfFWiRz5dz3VNhRJt9rslgEz5WkTDGsmKZhEWC5w0HSVGTKbMpl0A Yo+7h7TFkbZ4/iaw8jyINn02y6Bn4Xc+edIXnoWx94OjXezX576kfcIJJ5z6y8/BmMUiSHdpzwhc 6XJFI/qmynHyPDfCzkNQwChx8/qUOhNkCsRU3HllUMKuWFwfexAxnKU5LXOkTqeOpm507qZnTWv0 mEp3EQjLKOx0uKwqRD3riWkvU3WxyGz3/e8Wg40KO88DLWIggogHiwDUJYfhO9WJQDKVmLBIE/BR 0x+zmjsuDE0hEktcJfzmO7+H+jcWLuWRKJJW8hG4FqGZNBOXoJPH+MrJg+vJI+uc6/K74wtoCpkI IhT1ZaDuC2t1tHywysWalnwkL4xK8pnnIe08D9OxeR7KlUUgwggrf2YI5Eve+RnmPgOWSvn0uylc 8HsfRt7dh7x6p66vTgXC9vmFmRZ2ru9hKWhWkDCtapz5S3gZXhT0N7YIDErYFYsbZ6DRN+1i5J4V kWirFP47BJ4GnugJFq0tQVgWYZc+w/0S9tmU2HSsDpQVRJhFfM9hsFkfu/Vgo+H3hNXex3qQcrZe rBV+s3lYb9j+Pqcwfg4bzWvCz6ywy7U1CkyUzJ+mX/lKMK+mcYKp+PPMoIRdsbhxpu3QwWsnjIZt 5Engsdzo6NH2BnyBnvKUp7QReVbC9ZDW1DXmibAswg5cz/YVZni47rDYETixiMBU3EVhsJ3Cbieg /KQM7Q2Szp7S2uy1xMuz21Ma/XMeh+/TWS1MsKewMy/smCo1ymmQjbxtXphGeCruvDMoYVcs7j1N fyi3pk90cv3mxpybbUlg6wECcKoRnUpzngjLJOyImAc+8IHNod875vjP6T/TdlPxFonBbgm79abX l7/VMFVGp+poj3H4sMfU73tKF6byM0vMPcyksOsfMKfILLk28rL/iwYqmIo/7wxK2BWLe8ceBB4f K6vjOF4TGoSdtgU5h1uppp3jYG21mQUZ2qNZb9DXIiy6sMs7gmwOm/fqTFAiZ5GNAT2DjQq7PEP7 ptnORF/PeV9cPu78x2zZke995zd/I18zVnJpJL3AliPqlDjCEtnCgDjKCCNO0uNXpt+BPr3kj9+b /AgrT+Ip41aT9nno43n/8uhavU9fwvj0m7TkxX1iruO3cdqzRnmDmRd2tjjJKRN866wiyW7Ms/yA 94ZBCbticWuorUBlmW8uJ3DTddnlXfuC2fXeyjY+Whr5YF7bG1gGYRfY3oIVNn2GhTLO//Tu5/Ud boTBRoVdYLEBC6eVorYEyTYbthqx1YZDAe52t7u1hSnoe/XF1h/Z+LmHKXCrk7lQ2eD3rne9a9uG hsgCQs12Jfe+973bAhcLI4UfT50H9rPlOytvVqvawsQ9stJyqehPjejj2fvO9iH89QlX8HvKjvJh o2T3JG33n2fgGm9605tm3urb3cvsCTugqO2Ro8CooM5Oe/CDH3yahnYq7iIwKGFXLG4d+84/YEXQ kFtpPz69wnYpBpY6AavvxceptGeZsAzCzjuySpHwMLuDNr+NgICpuIvGYLPCzqb/Wahow29uCqye 9pC1K4Xvba5rJs1vFiL5zpYdRJd3QVz524pQm/USdA7nJ7SlZTsVAovgZnGz2bG96axaP8tZztL2 t1NmiMzs0xbYoJd7lhXvwqq3ptttGqzPTHj3lDLI0mYbJH61RGnqQB9GP+eYMtZeWyOlHXB/rPnH H3/8yik2/XObJXb3MlvCLtDg2pQvUyUaXrstL+pK2J5BCbticWup3Ui7BgaQtiWwH5X9rxzjo70J 7Z/FOqAT6veNgqn0Z5GwyMIuIAJYWOJDSXwcddRRp1kUMxV/0RhsVtixeBIzTnBwWL+4dqYg0pym 4Nk6nst0pRMZCDd7sbHc0QrcF/izElAWPao/tkPRp6MZN+KRFZCFjiVM3SLwbBPixAjX4SNJ7HHH 6mEvOGXKtib2ibvSla7URJvpUr8RceN7MhXM2ijvhKX8BP0zYJGzTY6972xGbHNzp2qwHvotrhl9 nFli6txMCjtCwt43dmz2IvBSl7pUM7MmzDjeIjEoYVcsbi+1cRprHZdOxeafRv9pd1gDNPDaIp1R 2kSY5Qa+Jyy6sPNpr7Qc+YROEyAako9xvEVlsFlhZ1qUILNxMLEUEF45ztP7DIgpcUyv8qHzvgls woz1lH7o6w0QScKYiSPwMn2qrzFlSji6DqsroRfd0YMYNK3rHr3noL8fn65lk2HXkSZ3CwulgoTv 80jEXvrSl27n1fbHlm53ndlb5h5mUtgxqXNippaZfo0cHPehcQqm4i4KgxJ2xeL2M2DZ+dSnPtV8 7xxPZNpIRxAa6Vt4ocPUUfRxx2nOEmFRhV2uAdpKuyYQ46bRCRPTgcFU/EVksFFh51mi/obFTb/P oh343tSrusDC3cNMGgueaW9x9dn2ELSZ7mqw0bBwxBOfV/0MEJB8/OSdBZ31kEBkuetPbiA6bVdk CpiwDHI/YFrWZsasdY4PQ/myhyWrnXznvlOWxDXIky9llrU+ECbpzyJzDzMl7FyPGdUu0I7QUIDM ofOz4zuh4RVm1h/u3jIoYVcs7hx76FyUd53G2c9+9hVxxymfJYjTtp3kdQzpkGa1XYJFFHbpC4gP 78tKZ+/I++JI78SCefaN3CyDjQq7sEeeHSg3jgDzjJ/whCe07yC/g3ftEH+H7XOlymIDGKcvT4QW Me64rfiv6f9NoZsGJsCyuIkOyKIHICTFdzSZRQ+BayRPpmCf+tSnNn88xiL+eY4iNWjjs5+FmJC8 seCzACqvfP5e97rXte8h9zCrzH3PjLDLtczB2zA05zxy4nzxi1+8NEvVMShhVyzuHPsOCkwrcZg2 FTQ+mozAM4tg+sn5kz2kM5X+bhEWUdgF+gx+XPH/YmkhCmx9AVNxF5nBZoVdXw/6/9cj7Lg0EFvC 8Lnr/VKTfsA/T97seqEuZdr3M5/5TPOnZxVHK1LVN9dmDYwWEH41YRe4hnNhCUTGIULfzhqmiS2I YKEPEq+E3RYyYDY1BZsVapwnKfhgKu6iMShhVyzuPNPu+VtHoM079thjm2DQJoWsEhZ1WeHX+yKB NMbp7hZhUYWda/CtYwhIn8E/rD8HeCruIjPYrLAbM1hL2CUcYWfRhDBWm7OYBeP0TJNbPKEe2XaI 1RVYwlnsiDgWP5Y54kz9cz9ZTCH8WsKOQDPdyn3CAinfE/v+JxSdTDLWFlDCbouY6ygErHUKRWi0 HMfKFKBFZ1DCrljcPfawP5cTb+zFxS+ob6M4WT/pSU9qHUA60GAW2ixYNGGXtPVH+gzHTXoXnO1N 2WUKcFn6jJ7Bbgg7fTgLmzB7EnZ0BWHnVKlHPepRK9rCdKmVqIw8sbqaMrWdiRXP/F+VKeHteWfB TC/s5MeAzKpZltxjjjlmZQrXtL0yaCBw2ctetmka/RukTG1E2IkzS2Us9zATwi6g1G9729u2BRNe oEbUaAxm6eFtN4MSdsXi7jNtjyk/zuCsd3y4OJL/yq/8SuvE+AmZruWk/ba3va2FH6NPcycJiybs Apa5G93oRq3P4FtnvzSCgK82TMVddAa7IezoAxv6CmPFaoQZjNPTr5muNRVLrCmjEGFHXGUPQosg lF1hLajgL0fMsQ7e9KY3Pc0CBxDPQIwr161udasmHJ/4xCe2BTX8Y7OBNUthkPK6XmHXo/9+N5l7 mBmLHROuvWN63zrCJpiKt6gMStgVi7PBMYgVq2fHiyvQwq+TTz65TTVl1R1MpbsThEUUdvy3nA6S 7WlsoHvCCSe032C7729WGeyGsNM/WJxAgJnqtAFxME7P3nC2ILH9iKnWWNUIO5a2XtiJZzGMumXq VhyCjqgn3PpVsSCv/Or222+/ZplDlnV+mPa9u9zlLtcE4kEHHdSmY622TXkl7AwO9iTs+Popg+p4 //1uMvew68IOmEc1OAqNfW1Od7rTtZfGiTKYiruoDErYFYuzwzFMz55yyiltdZ2Vsqx2Oj2r+HQk OhzCw5RQ74O304IDFkXYJU1wWkF/GoLnvdrGs8vEYKuFHSGW7U64HgQpR6CvcB6z9+L0CBsHZ7HD GGbjrE61/QjRlndro2k+dvq/fkrdqlm+clbbmno37e4afCp7IxDYSsW17UfnOkQiseZTWHXSli2u bZbQIo3AvfTbnfSDhR4s+OpUv3iqf267wTzDXRV2Sd/Ls1lhTpkwAnamW6/Wl4lBCbticTYZ6LQc Em7zdAIvUzxokGrmQSfnvNIe2r6pdLeDsCjCLmBVeehDH7oyFY6c4jP1t5PPd9YYbLWws4jhgAMO aM/aNGeQZx0YxLDWCWda1uryMRhz+M8T5cL2/Qq9ob44pCCiMGXJFLt+0Ykwee9OjLHQIjBtq7+y Yj15U17E9ak/Ay4TrHf2ySP4erznPe9pvrSsfJ7jGNIkRpXr/mSMPLPdYp7Trgq7pGMZspUtXhIl zhnSw+rDLBODEnbF4uxyDKN+q/RM97AkaM9CRy6xGLBGmLoJ0vFsJ2GRhJ0OmpA2De7ZmvYztRZ/ bJiKuywM9lbYeX9outExW96ds1Y9c1Yz5d12Iv1egWCxo7JuYYMFD7Yr875YtvDDH/5wO83B4gok qvQxpkOlZ7GD7U9e+MIXNoEV37uAIYhFzn1ZeOFs1/i1muWzj961r33tJhwtuki+ehiMmb71fIhL U8LyzM/fZsmsfaZqrXonYlmC5d0nqyG3MYtECNA8W9cZP8OdZu5114Rd0vaSnDV30YtetBUYjSIT OzOnlz0LD2unGZSwKxZnm2nHQD354Ac/2A4StzIz22+gxWBcTXQGOpB+o1WYSnurCItmsdOx5qB6 Vhf3FcvQMvYZPYO9FXYBUfawhz1suOENb9hENCGkv2aNM7MW4SVOXx+INH6oplUtcrB1melyK2Et PuKmQFsEpnptVMwqyFLGvcECyvHJDwGhxSDkmDPCjpZ4+tOf3nzwlAv+cUReNEvAokfPyIcFT1y/ zBZe61rXagMzeTTlTDS6X9PFBKopW5+mfi9ykYu0owZdNxg/v91gns+uCTtgNjcfbx8ozpDmzD1Y IwBY1goalLArFueHgXbLNBIrgE6Hc7+2TWfj08pNwiQnIwTb1d7Bogg71AaZds2iCR2xaUJY1j6j Z7BVwo54YaFjdbZ4wQkfFi3Y4Jef2vjZ572D/1nHWM+ct0y0mXplxcu+dYFySYgRWNKXd58MPUGf NlctuoS/H0udrVWUC2Iw8a22HU8Fq3OOLBPmZje7WSs/xJrwrMDo3qSDpnrzPZoGJiidKz1r+yXm +eyKsAuYPT0coo6vxD777NOWOSdMCsqyMShhVyzOD/tOhy8PXyMHmttF33QREYJ870zx6ByILRaE HlNp7w1h3oVd0tL+mOHRITtu0vMkFOyqAMvaZ/QMtsrHzvvTByk30iHk8r9yxQ9uHKevC/4Wx3Su qVGWPO8xYfLOpKPOWE3Oeieca5gKnkrfp7z5XR3it0fcySMxJw2i0tRwH9dUPh0jbfchjDhW8NI6 ru/avvObdHzX0++E6Tjt3Wae6Y4Lu/5lKnjM6ConMn+++c1vbkICpuIvA4MSdsXifLIHywILhakl Uzhp79D0lBV4Or60ezCV5mYJ8y7sAp0vK4qVx4wBFtodccQRKxvhTsVdNgZbJezWg6l44VrYTLgw 5Ws92Gy89aBPe7eZe9txYddDmuc+97lbA8f51fz41L43y8aghF2xOL/sOxDCisP4y1/+8uHOd77z SrtHoPBd4o6ijvXtXyCdqfTXS1gEYcciw9Ge75Rnh7aksM9YTieairtsDLZK2KF3OcWpsFNcb7xx uHAq7Gpcb9xxuM1wKt3dpDzBjgs7aaqETJk5esTI6/GPf3xr1FTeWX1oO8WghF2xOP9MOxpo52zv 1G+NghzSbfyqbcz+XcFUuuslzLOwSzoWnNjINs+NkzzRYmosmIq/bAy2UtgV54OpKzsq7IBIsOTf EuKcucjH7uijj25+KbDdDc6sMyhhVywuBsewxZN978xUnOtc51oRd1YDcjRn2bO4Qn3r28XNtI0w 78KOX5StJhwHlQ2JbWLPClpt0mkZlLBbPqbO7biwY5HjU2KfGRUUFT4NHWx3YzMPDErYFYuLxa7h bZ2ts2dtCWEHfGIF+Y3ZL+zKV75y22bCIrMeU+muRZhXYRdYZUzUnf/85195TowDdlbwLKfiLiuD EnbLx6592Rlhl7SY00275nxFviaWJGfJ9FTcZWNQwq5YXDymLQzUL9tG8Bfr975L++jwcvt69rvm S2Mq7SnCPAu7tD+9b539TvvTAqbiLiuDEnbLx9S5HRN2gWXI9oJROYk7mxwyp/Mp2e6GZl4YlLAr FheXaV/BQeT2trv3ve/dBJD2MbzUpS7VLHeOSOr3zQqm0u4J8yjsAid1OFi+P83DhrcOiw+m4i8r gxJ2y8fUuR0TdtJSQR2om5GXndgVvviQTMVbRgYl7IrFxWegjdQBs9DZyNVed70FzxFHfrOvlr27 +sPVxZ1KG2FehR3fOqLXymHPgOsOP8TnP//5K33Rdt/HvDEoYbd8TJ3bdmGXNIg3Dct+++234vzq nDiVNpiKv4wMStgVi8vBHkSYdpGFzgIBW6JoL9FCi+tc5zptgYWOuz+abCpdhHkTdqDPsKGtcztN U7t/K4fdA6GiXZqKu+wMStgtH3dM2AUaIMeFqJzhox/96Ob8CtvdyMwTgxJ2xeLyMO1toG3UOTvy iLWubzuJPZ02oWRBWjDVjsI8CjvuORaWOLXDWbvu2yyPM0KDqbjLzqCE3fIxdW7HhJ1VTUafKiff OmcobsQsv0wMStgVi8vHHj/+8Y+Ht7/97a39vcMd7tDO0WS10o46vFzHbeEFF5f+aLJetME8CbvE sz+djZtzzq5paZs712H/azMoYbd8TN3ZdmEnDRsSOwOW86vNiC3j18BobIKpuMvKoIRdsbjc7GFj 47e+9a3t0HOb8xI7IauWwfN4Y+NgnoRd8N73vnflyEnijm/dC1/4whXfwqm4xRJ2y8xtF3aJqxK+ 7W1vGw499NB2+DXe7na3a3szCYNT8ZeZQQm7YnG5mXY0sJhA23nzm9/8NOLO36xbNjY2Vcl6l0Vp MG8WO9PLr371q4cznvGM7f5YKZ3W8e53v7u1R2vFX3YGJeyWj6lz2y7sVGpTCE6XYK073/nO15b1 /+QnP2m/T8VddgYl7IrFIqY9BYLNqRSEjwVoWVxhRsTGxraTeuhDH9p+/9GPftTifPe73515YZfw 8nzMMce0TezdFzr4/x3veEfbWUG47c77PDMoYbd8TB3aNmEHRl0f/OAH20rYVFBbndhtPZiKu+wM StgVi8WeaZPB/8QOv7MLXehCK20ssuBd4xrXaOJOnbV47fjjj9+UsBNuzKlwYwoH6xV2wbe//e22 T13u5axnPWvzI4xIhXHc4i8YlLBbPqbObauwY5Wz39BFLnKRVkGZ062EzSkT620glo1BCbvlYOpZ MBWmWOwZWFzx4Q9/uLWzBB4/NG1tyEdNvf3MZz7TOnpbqOxJ2G0GU+mkXG9U2Dly0uK63INjxKyO 1Q5B9RtrMyhht3xMnds2Ycdaxxfkrne963CWs5ylTcPaeymjrqqcqzMoYbcc7FH1orhepn0G/2tb X/SiFw1Xu9rV2rSsVbOE0YEHHtgE1SmnnDK86lWvaqtNYbWyFmjD/+Vf/mX4/ve//0vUDvQ+fFNp JX/rEXYJyxjglA1WOnk/85nPPFzvetdrMz9BH6/4ywxK2C0fU4+2XNgFn/70p4f73e9+w8UvfvGV UZeNJoOphqD4cwYl7BafoDNTx9SZH/zgB+27qbDF4phpowNnyr7zne9sFrzrX//6bWPfpz/96cPn Pve51tGrx6sJu3zHj40QePOb39z2Hr3jHe/YfPn4Sufz4Q9/+PCXf/mXbdqUcAv69JK39Qg7sDBE HbBvnz7D3nW3uMUt2lYuWe3bxylOMyhht3xMnds2YadQOeOQpU4lVUE/8pGPnPprFbC1GJSwW2ym fn3qU59qVhU+USeeeGL7zm84Fa9YHDNlKZ/qKV9m26PY9+173/ve8LrXva4tXJuaik08IAydWcvy d57znKftH2e7kf7TYjhbrNzjHvc4zWH8U2nuSdglnFMmCMdsxnzuc5+7ue5ksNOnXVydQQm75WPq 0pYKu4Q3unrmM5/ZpmBVUI3A0572tBIF62RQwm5xmbrywx/+cHjuc5/bps4ue9nLNisI+B2n4haL q3E1WBV77LHHtjo8FnYpi/Yb/cQnPtHcZ85whjO0tntPNN1r6xULM5TloE93T8IOWOte//rXt6nX pH35y19+OOmkk1ZO1kj44toMStgtH1PntlTYBczp9q1TOVV8K5ze9a53rRwfBlPxiz9nUMJud5ny P4Wp8JvB5z//+Tbd9YAHPKCdMND7LfXYyPXWyvcU1pvunuC647TWSm8qbHFrOC4DU9udJCzYb/Q9 73lPE3XOo9V2b4R2PiDuiEPo87CWsEsYfntPeMITTrM3361vfesVax0kv8W1GZSwWz6mPm2ZsMt3 GhBL7A844IBWOVnrCBSjLumN4xV/mUEJu92l+ya0dFY6PmWYZQGmyrLwwgjvE8Xzf+h/aSZdFpI3 vOEN7ZNvk9/DpCPd/jqplz6Fsxkt+lvY/OZv+U2e/O66/f9+H6ftu3Fe/e27KSaPME4r34nf5zMQ po9T3HrC1AbF+Q1Mgx5xxBHrttSNefrTn74JCG2WRRx597CWsMvn+973vuEmN7nJyvFhfLOf8Yxn tPIS5H6KazMoYbd8TL37WXu8dcKORY6os7GkVU0aCWZ6jUYwjlf8ZQYl7HaPyr6tJOwT9uxnP3t4 6lOf2o7Fs+3C+BkIi3yZ/M7twPSqxUI6p6c85SltHy6U1otf/OLhqKOOamn6ny+UuuPzyCOPbPG9 d53h0Ucf3d5/roEBa4a0Hv/4xw+Pe9zjWv4cK0WYcaJ34oupXZYU13nWs541vOQlL2nXcG3+Vl/8 4hdPkzYR9/73v7/9Lh+OcEL5yX34DHOvjn8i8Pr8gf8/+clPttWa8sg6KXy2PAJhxs+/uHWE1U6e CEzT5gzazfIc5zhHs7KpMz1WE3a5vvJhMUaub8Nl5crCDPkXrsrI+hmUsFs+pk5tibBLOBXRsTaO DVNB+Us88YlPXDkTto9TXJ1BCbvdI7A8uGeDkwtf+MLD2c9+9uYHRyjFrSBlH2zvY6sGiyCcAMDq cLnLXW64+tWv3r7z6X8rFffZZ5/2t6kvQsrKWCLOIiOLjmzkzXn9gQ98YOv4erDsqZPyIW/OXsYb 3OAG7RxRzu/E02GHHdbiyxNriHRRByo8Fwlhe7CmEacc4xNeft2379xDPvEKV7hCezYE2/icUs+P JcaqTNe3p9oVr3jFdjKCAaBp6Gx/BFPvobj3hClhBwYBZlmcVJHju/aGFj4YtPRW2dWEHag/RJyF EknjMpe5THPdCabuqbg6gxJ2y8ctFXaBJfU3vOENm1ne6O2mN73pcPLJJ9fxYRtkUMJu96jsK7cs Ue778MMPb6LEIgcCirXLQKYHK5SOi1WLcHN8nk1jWcpiMbvxjW/cOi++RKa+XvOa1wxf/vKX25Sm jWZZ4JylfN3rXrcNitQ5lsCAEHrlK1/ZthJ61KMe1cqHhUroGixjOtGrXvWq7TQC52tKw/cEmWuf 97znHR7xiEc0Acea7l5DFjvHVRFj/GRZT1jf/c366Bqu5V6QcDSQu+Utb7ki0pQRz43F0rN4znOe 0yieNHzKuxWVrIG16nFj9Jx6TIXpCasJuyzeUTYyIN8bKtdW1EZIwJ6EHSFoIMRtx4IJQq+3Kk7d U3F1BiXslo9pG7ZE2CFfCJX2ghe8YKvg17nOdZqo03D4fSpOcZpBCbvZIKuGaVlTmwcddFDzAyLa TH1m0ALCelbKvCmpG93oRm1BhPghgaN+EF62ORF+fC3bR5gu9azze8ACxvJFcBFWrHd9+ra1YA3b d999mwgl0EyR+o2Yc22Dr2984xu/dG1MR6o+m8blFI86CeIz1xEGvva1rzULHOEXK6aTA3xHCOu0 hUk8lLY8Ste9SNv30OelOE3PSrljISXE9/TcYDVhp21nTc62VFtB++cp28GehB1hz0XAIMTKWOW+ BN3mGZSwWz5uibDL784hfOMb39g2rrTHkcptGqi3NIzTLq7OoITd7jLlO2CRY6EimJRxU5Evf/nL 21RWD8LFflyEnZWGPSLsxO19T/tr2XuMICLaeuggCSJTqfvvv/9p9g/roRNnDTNFaqVh0mYlc23T olYhBuP7DpQ/02Jos9oxhCVilQ2iwf/EHwsQayERTESMnyNoG1jvDjnkkBY+7YqwfV6KpyUQ0E5i YO3tBdRqzw7WEnbKonKxVWRttjNCsJqwk7eUja9//evNP7Sm5veeQQm75WPq014Ju8BO5nw00uGZ 6tGBsRRANdYbY1DCbnYIxAgLmKkivm0sd0SPKcd//Md/bGHAMUy3uc1t2lFIjnHqoYNTR1js+OSB +pG6Bhpk7z11DfytDrK2SVsnzdKRuH0+Qf3TkZruzcrCBz/4we3a0khDP1U3Qd21h5izR6dE5Mc/ /vG2aMP9SSvlQltgWtbGtqZcg1ynv0/iUhgr6C3WWCtPxZ8T+K8RTizGpu5zkgSs9j5XE3b+ZmFT LraKrLUp27CWsEv+WCHTX0Cf/+LGGJSwWz6mfd0SYWc0n0ObdXYaatOwwTjd4toMStjNDkEH6qgm B6or36YR7dNIyPSWkwg7HaZ32IMwVE/WEnbSNs3aW9W+8IUvNAsYi7jVpZn2hHE+pUVwWWnIopgO 8yEPeUi79nqFnY7BlC6q+6b+sr2JssAiyEeud5RnSco0sGsHffr9vfL98wz5ePHtg6k8FX9B4Bpg FTWfR9Zd5SPvefz8YJaFXfIY9N8XN86ghN3yMW3rpoVdfvNpSkCltQr24IMPbp2Szi+YSru4OoMS drNDIOx0pBY5mIK0+EB5J9JYnLKYguiKxW4rhZ0zNK1ctAJVZxn0+ZSOT+/Jlif9Bq+bEXZWw9qw 1gpafn8sRBaOmEK1ApJvVC8yiQ0WPiuI/Zb76tPPd/zDlG+LrQwMP/axj7Xvk6fCnkFIKyvqpvcd 9M8b9uRjp1xsFTcyFVvcegYl7JaPaVu3xGKno3NQNIsCQcc3SMcwTq+4PgYl7GaHQNiZOrQggpUK daxW8lkNaGpMWI7tt73tbbfcYkfYWbnIV25P76FPD3y3HmEXqL/yYQEEKzz3Cluw2PrEFihWyhJ8 f/Inf9KsRwFhZ3raqngCMOivkby5Bj87FrspYafcEX/CFU9Lz8X0JVFtc2t102H5BheeW/9eYSd9 7Na7eCL5K24tgxJ2y8e0rXsl7PyOKq69tjKVEozTK66PQQm72SFE2HkvmX4kaqw2JX4IPI2p/dks nrBIYexjt1lhZyuh+PU98pGPbNO9wWr57eG7jQo798L6ZgWwRSMs8w6SJyAslDLdyr+wX+TBAZ5f nt+UmaC/Ru6VMCHs5OkqV7lKGyAGhIvnaFGW6xEExV8mNxi+kDaLvtnNbta2wfEOoC9Xqwk7C3+U C9uNsJx6F3tDaSgb/TVK2O0sgxJ2y8fU970SduEY4vW/FzfGoITd7BAi7KxazYIEv5l2etCDHtQs WgSbfehsPsyCPd4A2MILHaBwxBqkvgQWKrhOL+zUOxZB/kumRPvNgPt8YuptD9+vJewSx9Yk6jtf Ovkg0ljgbH3S4yMf+UizHNoCpvex84xMQ7PYWaxhyhr6NqHP3yte8YrhWte6Vlu926+iJ+xYQ5U7 fnzan+IvU53ULnMRYEW13RQXgSDPekrY+c17NsAw1c5yqnzsDe1FR6z30/Ml7HaWQQm75WPq+5YI u76h7r8vbo5BCbvZIRAt3gcxo0MMWJ78Zh+udHBo6jTWk8CGvX5zqsSXvvSl9p3609chVj6WvdS1 gA9VjvcieljVIPH7dHSm9qqzr12+t3LdtW3D0m+unDhw4oknDsccc0wTrsqfhRDZxy7PAdw/4RmB a/qZFZHgJEDts8d3q/e17fPnmZle5viv0/f88jsqc7aXIZqtwDXdWPxlOhKO1Y2V12CBz2df5vK8 VxN2AWssy2xffjdKwpLVcDwIKGG3swxK2C0fU6e3RNgVt5ZBCbvZYGCvLe+DFY4wgb5z1KE5lSJH M+nkCLAehJkzlFnC3v3ud5/67S+gAX7Zy17WVovaHxJyDZYx53DyZ0UCMPnoQWz5TRr9NSLs5HG8 9x64tlW/hB2LGQFL2Mmr6b4pyJv9+EwJcsdwbc+BzxyrpXsZn9ABTqY4/PDDm3VTZ5+NnvvnLu3+ /+IvGLCMObnExr5EMv/PTI3n+cGehB0Bfv/737+dmKKMbJTKtE2qXaO3vEIJu51lUMJu+Zg6XcJu BhmUsJsdAuuIY75MUWaqyW+pJ/ztWJce8IAHNOuF01cImB4WCNgehQ+aqcx+JaO98HSupjJtbExc QX8NG7jafNgKdEf2mToF70gYAsk1lBuiKg06AWhPO50wS1ofD4S7053u1HwD3YN0dMI6Y2feOiQ+ 1jmWQtdCoo4441flb3klLFiQDjzwwDaNa1q5F5JW6trA3IITq2sz5Sy9PG8s7Bk6b89fWSLYMi0+ fo6rCbuEEU8Y9dxCGeVkI3RmsEGHd69MSVP6UMJuZxmUsFs+ps6VsJtBBiXsdpfKP5rOZL2ypQnR xVfNHm1W/iVM6gpYGcoXzoH+jgDrQfyxbt3znvdsooZvGT8zz5eFjbCzpUg2PJZu8hPIC2FkOxU+ e+LKD6qnfJxMrZmKNT3KJ1AYQpCgvPKVr9wWZzhzVhzX1/Gy1khXufOdBROsdVbBcsr3/q2Ctdo1 17SnHr8u8foFHUSgjkUaj3nMY9q9CU9syiOfRLQwIuiffXGayoP6aMrbVLaNqL0bFruI9L7MIOxJ 2AVEtwEAEcYKt9ZRY2c605maXylfUuUhVleQZupECbudZVDCbvmYOlfCbgYZlLDbXSr/SNh5F/Zl I1B8vupVr2o+TgmT8EC86cCOP/74ZpFLmPzOP4317+ijj25TswQPsURosbaxevRx+vyA92H6TX0k lMSNaMLjjjtupczoVE3Len9WsHKy9ylcxJlP90TssUaaPnZ0me8s1EDvXtgwcYVRRj0fVsHkGVj2 CApCl0O/NFDapv5MNcdXsb/P4uoE71T5uu9979veDV/NiKqp5wh7EnZ5b96hAQsBf/e7333l7O8x DRAMTpQD5UWeptKEEnY7y6CE3fIxda6E3QwyKGE3O9Th+Qz877mMw/Vhgv631KnA/9mTDHv08Xr2 kIfEDftrCC/9TOsG4uW6Pv0fiOP7MRK2/+yv5e/kcXyfyYc447QTp7hngpXGBLUOu/d9nAqPsCdh 14cNWAQf9rCHNcswn0muBU4VsgGxhUIGJz3GaaUMlLDbWQYl7JaPqXM/a89L2M0agxJ2s8G1MBV+ StSs9fsUxnF6ric+bCTsVmAz+RRmHK+4Oj0v/nCsyFYS59D8tZ4jrFfYJTwQ4nwjtf/8J3sSCnsS 6Hn/Jex2lkEJu+Vj6lwJuxlkUMJudqguTHEqLO7pd+zTWU/4Ka4njakwq3EzcbC/3hQ3Gr64Oj2/ Hnt6nrARYYfja6yG9aRRwm5nGZSwWz6mzpWwm0EGJeyKxeIUg7WEVQgbFXaY9n81rDd+CbudZVDC bvmYOlfCbgYZlLArFot7S9iMsNtblrDbHQYl7JaPJexmmEEJu2KxuLeEEnbLw6CE3fKxhN0MMyhh VywW95ZQwm55GJSwWz6WsJthBiXsisXi3hJK2C0PgxJ2y8cSdjPMoIRdsVjcW0IJu+VhUMJu+VjC boYZlLArFot7SyhhtzwMStgtH0vYzTCDEnbFYnFvCSXslodBCbvlYwm7GWZQwq5YLO4toYTd8jAo Ybd8LGE3wwxK2BWLxb0llLBbHgYl7JaPJexmmEEJu2KxuLeEEnbLw6CE3fKxhN0MMyhhVywW95ZQ wm55GJSwWz6WsJthBiXsisXi3hJK2C0PgxJ2y8cSdjPMoIRdsVjcW0IJu+VhUMJu+VjCboYZlLAr Fot7SyhhtzwMStgtH0vYzTCDEnbFYnFvCbMi7N7whje072AqTnHvGZSwWz5uSti9/vWvH77//e+3 7/xW3B4Gb33rW2dK2L30pS8dfvSjH7XvYCrvxWJxtgjf+973huOOO27Xhd2JJ57YvoM+j8WtY3Dy yScPN7zhDUvYLRHz/tcl7L7yla8ML3nJS4Y3vvGNw7/8y7+07wrbj3e+853Dc57znJkQdn/yJ38y vOpVrxr++7//u31XKBTmB//4j//YRJXB2Ve/+tX2nfZ9qs5vFdN/RNhd6lKXarMQhZ3BW97yluEm N7lJCbsl4oaF3Qtf+MLhta997fC1r31t+I//+I9WWYvbw3/7t38bfvzjHzd/lKc//ekzIexe9rKX DS960YuG7373uyt5HOe7WCzOHrXXZl1e/epXDy9+8Yt3xWL3tKc9bdhnn32G448/fvjJT35S7cc2 0rP993//92ahvd71rjcceuihJeyWhBsSdt/4xjeGZzzjGU35P/CBD2yjryc96UnFbeJTnvKUJuhu f/vbD/e9732bmAqm3tN2EpQDok4D8fCHP3x48pOf3PI4lfdisThb1F7f7373a/X3uc997konv1PC jsjQnp3lLGcZbnGLW7S+pNqP7eNTn/rUJqRvdatbNTF92GGHDd/5znfau5h6T8XF4bqEHQIzvqnY q13tasOFLnShZlIvbh8veclLNn8UfMhDHtJGYbDdDfEUg2OPPXa4wQ1uMFz84hdv+ZrKd7FYnE1q t7XfXCriTjNV37eS6WRY6I455pjhCle4wnDBC15wMn/FraU+5KIXvehw5StfuQm9f/qnf2rvYuo9 FReH6xZ2yK/qm9/85vDud7+7+dm9+c1vHv7yL/+yuE30fN/0pjc1f5QvfOELw//8z//siqgLXZvV 8AMf+MBK/qoMFIvzQXVVu/2ud72rWeu0J1P1fLv4v//7v639eP/737+Sn2o/to95vqecckp75l// +tdbH76bfUhxZ7ghYVfYXcxChSwUCouB3WhPCruLEnXLwQ0JuwQu7A6m3slOs8pAobAYKGG3fMh7 8O7D/v0UF4Ppp9cl7IrFYrFY3AzHmAozxXRSa2Eq3mY5vt5OiJ89YSvzMIWpcMX5ZQm7LWCPqd+L xWJx2fmzTqb52aG/p8JMMRCPjxjfwKSDwmy1+JI/1/E5Tjud5lZeU1q5Zpj78/1GnteeKK3tSrs4 G0wZ/dm7LWG3GeYBBlNhisVicVmpjcRPf/rTw+Mf//jhiU984vClL31p5fupOKHfibmPf/zjbWuU ww8/vG21ZbulRzziEcPjHve44b3vfW9re9eT3p4ovt0HXvOa1wwPeMAD2n57WXAQjjGVznqZ9Cxs sEfo/e9//0a7IDz0oQ8dHvawh7XTfhzhmOtPpbMeJv4nP/nJ4cgjj2xp25fWFih7m3ZxtuhdQgm7 TdDD+6//+q/hc5/73PD2t7+97eSe78dhi8VicRkZ2Nj+137t14YznelMbXVuMBUH0znZVJnQuchF LjL8xm/8xnCGM5xh+FlX1dI629nO1k7lCfa27QUrd+2z5xp3uMMd2jYtPWwZ8pGPfGT44he/2DZ9 3uw1c3/SdxKIbWh+8zd/sz0f1w5/53d+p+1GAXtzf8GHPvSh4cADD2zP8YpXvOLwiU984tRfyjCx KEzZKmG3QebBqeQ2D77Sla7UNgD1G4zDF4vF4jIyeN/73jcccsghw61vfevhYx/72KnfTqOPZ8sn e2Ze4AIXGO54xzsOd7vb3Vp7e+Yzn7kJHxbAIO3yGL5f7bcxWOy05Q7Ot5HzT3/601N/GdpJQO94 xzuGo446qm0bk71F94TxM+nv7x/+4R+agCTqbnrTmw73vOc9m/Ai6G50oxsNj33sY1fOZu8xvp8+ 7bXu1X60rHWenX0NCb2gT6M4v8z73xZhl8oUTn0//i7/9+zDrxYGVwvX/9//vicm/jgdDH7wgx+0 ynjOc56zTRPwV4A+bM9xmsVisbjI1O4Bny5C6Ec/+lHzIVsLiQOmRU93utMNl770pdvMCAuXT+KO OHnCE55wasi10ae5FoT7z//8z7aBM4ucewi+/OUvt/y84Q1vaG3/RjB+LoFpWCKOUHUaB+Hluj/8 4Q9bHpzYkX5lLUylPQX390d/9EfDr/zKr7SN5lkfgz6N4vwyZX3Lhd0UXGy133ok3J7CJsxq4XJz ewNpr5WOqVgbQL7iFa9ovh57ynN/b8Xi3lJ56jn+fips/13//dTvU9/3302xj79anKkwxcWjd52N 7Z01TgwRdmY6CBpuLM4d970pUMLpW9/61qmt5c+tWSxyBJypWAfagzjXuta1JoUd65Z0P/vZzzZf PunKg7baxsyf//zn2+/f/va3mwXOmarOzf3MZz7T4tgMXjh56oWdvz/84Q8Pf/qnf9ryIa+x5hFg 4qEzveWb75p7JtCCPJf87TnYTNiUKPHKZ1A+QZruRf4I4e9973sr6cuLe3IPnoUwSRf85gjQPAdu QgRjwJ+PsHMyxUc/+tFTvy1htyhU72DLhF0SDHLQcz/iUHCNQnoYzfUmb+jTEl+DoCL2GF9vPLJR IeSrhzQUfJ99eNcf52Ec172oVLnueOQ5Dm/kN77/PKticW+4N1B+10pjXK82ivXksw9TXDymDLHS Oc6KVco0LH+5V77ylW060PGEpiFNebJWHXTQQcOjHvWo1m7iM5/5zHYkFgF3xjOecXj0ox/dBA/B NCXstLOmSa973esOBxxwwHCTm9yknZtKWBJJ0rvxjW883PCGN2zXI+hYrO5617sO17zmNdth+fJ0 85vffLjNbW4zvPzlL2/3gW9729varMx1rnOdRmewEnrAgiiO65lKffazn93u2dSzQX/6laQF+kCW P9OtfAfdi/if+tSn2kkRFk/Iwx/8wR8Mf//3f9+OgfO7PPzFX/xF842zGOVOd7pTMy5EEIJ8OdPd PV372tdu6ViEEX/BP/zDPyxht8BMGftZfdh7YZfECDDHjqm86HzRP/uzP2vOpkSOkc5xxx3Xfnvd 6143vOc97xne+c53Dq9//etbJTNSUkHR6MQI6cUvfnH7FE94FTUFWZriS0/hFVbBVxmMCpnOfS8M q5p0XvWqVzVnXp/y4JgsleHEE09sjqwnnHBCG7W5J6MqcY8++uh2fXH4VxiVGRHyAfG9EZ/nIN9G V3xK3De6vkpsFJXKPX5+xeJ6mHqmkVbOWDhYB4zI1QnfG8n7Tt0wiNG5slz4ToeSMqjDUd+USyN/ dcY1QBzfS0sdEM/qPPVCvcx1pas+iu9vHTLkGgZtOmPpqI/CxjfJ7+P7Ky4GvVswEH7Ri140XOYy l2ni5VznOldb8ED4XPjCF27fsVhZDUpwOddUG24lrFWbfiNCTFUSccqgdpdwE1c6oOzqA4g6gsYC COkThtps5c4U5G1ve9vmz2axgrNrX/3qVw8HH3xwE3S3v/3tm/CL0OLP5z5Y3Qiqc5zjHMP+++/f xNi+++7bvtPOE1bE01nOcpaWV/55BOz1r3/95i8nX+pNngt6LhaREIhcecS75S1v2Sxs+iP3IQ9E JAHKynbWs551+NVf/dXma0h0Sttii7vc5S4tfRDW4f+Er/SkI99EqxWxoI8rYbe4TN3bEmEHElRQ VCoV2ZJxI6Pb3e52bZGBs+uIN+Z1her85z//yohNWCMnlU9noyMx+mKCV7g1DpxapfXIRz6ymdRZ zIguFehyl7tcC6egK8ycQok1BdrqKQXdCOcxj3nMcOihh7YRo9GM9P1NeBktnu9852v+G29961vb Pf35n//58Nu//dutgTHiM2pUcYyYiEzX/vVf//X2vU5MA2LEZnRqab6l5fIlT9IKpp5hsbgnBsqe cmhkb+sH9czgiTXjyU9+civr6pvyKCzLhe/8DQSfDuRZz3pWq3vqp/qVqTDhdE7qhBH+SSed1DpC 19IJuy7HbnXZ9hO+kx+DJ/UgIOhYLaQjjLAGcRmYaTOm7rM4/0wHAyxOxBlhZ+Cv/GkziZf99tuv TW/6Xjt5wQtesIUXnyg7/elPP+yzzz5NQIEpyWtc4xotrvILftOn8MUzsDf9SPAI41M5lJ5BxRFH HNEEn76ERcx1DVLk2SrcrIpVJ4DY0v4TSESROqXcn/vc526CjqiSPmEqnnQJU4YCQlVceUq9cB3w DPQj+iarfNXPWPfUPWnpv9RJgyxCjbDzaSuWpz/96cN5z3vetrhEXQb9nr7y5JNPblZKlkb9l76W cQIIzRJ2i8vUuy0TdqxVzNI3u9nNmnjSORBg97nPfVol0IEYvRs5qMwKrtESC5iRk+8IJaumWCD4 HBBsOgzWCWZqFeU85zlPs8SxDqrYhBvxpKHwu1GZyshCwCTNf8GqKpXS96yIH/zgB9tv8qCiqzjE nQYE489hlKgSXPayl22iVKNCoOlEVWgjPWnc7373a50VoWk0qHHSaLgXFZZo1dEGU8+wWFyLAauF hl+jrqPU4Wi4WZo17Mrq2c9+9lYmlT+dpN99p0yC+kScsWpYHaeRZ40QluVNJ6DuiXOxi12sDcDu da97tU5E2RbPtVkbdJKuqe6pS+pp8suifZWrXKXV2Utd6lItPiuFjijWvfF9FheHgbZVWVJm4rBP mJhiZXli8dW2ascJwJe85CUtDEFE9FziEpdoAgx6YWcQDYSM+mBgLq72mwDSdt/5zndesWiBMq5M K7v6JkItYJ0mzKRtIAL6K4YKeTfDwyr+vOc9r+WTmCOgfGc6VjyGAv/r/8RzLfHiutM/F9dm4bP9 iIGVPhQYIKRlClveGTuISHlmpXRN/Rjro/qo3wWWQPXXzJhZJJY+9Vr/676BWC5ht7jcUmEXMomb 5mQ1YK1SeVnGFFKmbQVXGKMY37EkGEWZsiS+WMsIPSKJKBSfZcAohNBTQDUQ2bhRIWelIyaZxVnp dCwsfsSaa6qAxB4TPrieisI/QR4e9KAHrUwhq4gaEU6twNqg42MGN4JjuVBpVCDXd11pEK0qLouJ DlMnpqPTcBhNGgky6U89s2JxPQRlTCOu/mjQ7373uze/HlT2dQIGERnZq0OsaCwZymm2h+DHQ4zp DNUh9c9AR5lV5wxcjOyVffFMU+lkDcB0DAYrRJqOWXk3raQOEHA6RnVPHWHhM0WlnnCDsNGs+qXD SketIZq63+L8M1C+DMCVj2yxoSxomxkBlFuDbtYr4QzCgSAk7Kzg1C9AL+yyj51Bs/ogrsGF/kLZ u/e9791cZTL9D1wJMqh3vX7LDy42BJTfIuz0J+oKYUdMcXEgKE3Z2hVBHOnzgRNPP8U6p54yVugL 3MfYYgemTtUFsz4MGAkTa2aEnYGYAZH+z0yWdoDlW19o1ikbNau3prCJS+KThVwdVs/VXeiFXb/1 zPjdFeeTWyrskhiBRHQp8ESaDsgoQyFlQWB+Zkm7/OUv377jKwAKG2GnohFo0mMeZ5m4whWu0MzJ OhJmeR0D8ehapnEVbn4PxFMPIuuwww5rHQtxKHxAXJouVcBdg+j6q7/6q+Y7IX0jQPdl9GPq1zXk l0iN5c3ozn3m3oQHFV3F8j2qYMK6p7B/dsXiegisXKZENeYsYQQVa4c6RUjhC17wgtaBEnY6MVaB dDpEGyjDrBssb9LTwLPKCSOseqq+8FfyHct1rAlgpM+6rjPNhrPqpLCsg6aYDHykaVAUQek68i5c OhqYut/i/DNQ3liWlTmDDSCOCDtttLaehUl5E44YA4Niwk7bbzACplljLIgAVAaVM30Ii52+wBSm euGTBS0giogv8QkeAikwFSo/ftOGg7JMnBFV+gUgHPVF8pGVryyP4inr7p07jwEVUeg+0kf2z0Vf wa+PxS7TymDgJC11kZBU7wlgeeAaASz0xKX+yjMBFnniliB0TfnVTngucQUiss1iEZ19n9m/t+L8 MuVsS4Qd+DRyMJpSOVUQhZyjq4JkRA8qsWkeBVclFI+w0yHwsTBC0qkY0TE1E3YKLIGlYdCZGP0L Y5TDasAiEJM6M7URlErNDE/YiUtcBXwiTAPLg1ENC58RocKuEWGxM3pSqQhNFU0FEt6UlA5UnPhj 8KcDDYjrGqGxEqrYrCDiW34e9M+uWFwPQcdjWkdZVIdiWQ50MqZ01BvlW51gFYjLAF88MIgh6tQN Fo7nP//5zSlb3eVL6jriZr8wA6geXA4MttTHdMKmeoTVCTpCSv1kMTcoYj1RJ9UxU7euqw4HU/db nF9mAKsNNcA2tagPIGAsjtBPaJuVF+WITxrR72/WZoNtYcz8CKM/4Vem3WXpZW3yPUs1S5/yTCAx JCjj8bGWBiGpvSdiuAAYyLDkETvSsAiCCNLO84u7+tWv3r7XfhvYsxAyOKQfISJdVzk32+N31yfg xLvHPe7R+jh1Uz6JR7NX+gvIcxGGyIpbknqoj1KHpeE7M0jCxNebyNX/eF7EJWHn2ah7rOTEsqlf U8T6IPcqX2a1+Ll6HuqitFkg+bSr53ln4/dYnD9uubAzElL5VBgdjwJp+tN0pAJpiohQMjJjWle4 WLN0IqY8VQD+aQqtQs/iIIzOgVhTgRVSFUxBVglUYqM+FjtmaFOsWaXKkmGU49pEJStdoMKquCx2 8qdSmGaVbx2Pv4k0HZgKavqVad4oTaXRWcqT68qjysZCwXePs6770qCZ5vI8rnrVq7Y0g6lnWCyu RVBXlG+NN6u3DgXSKCv/OkOjdtstqEfKNj8e5bR3NjdA0rgroyxwyC8oo3/x4jLRH90EduBXVw3G YvFQh4VVhzI4UxfkxdSSLYakr37paExrBeN7Lc43A2JeeTQdqJ3WdvP5YkViuVUOzOgoC4SYwYiB gPDaTANjYcRTTokzYsSAwvfKLxcZ7b343AAMWJRNgxRTrsqqeAwFfPiINGJO32AApAwbwAifGSZp u77+jFXNteVJWGJL/yU9fQyrGIMEkSWePsGiBXWT5cx9uy/1KdAPqscsfoln8KXvM4XLUuc7oo1h wyDOvUqLDzhBSaDJr2dDHLLkuU99o/vxnH2v/rmGNsM9MVxIWzzPlx8eCz2UuJt/brmw82mkxHqm 8DNlm+/3PzO5wu9/FULlM4LT4JsuUoFMg/qe4zbRxoqgEzDlo9NgtUuhNLVKnKm0KodOznSRUYwp HpVIJ8JayKJHJMaUD0Z+pqWMugg1ApH4U3nR//wa+BkZ3ck3i4YRmAplBJj0dWYqs9GRfKpsRo/y ISzfCL6ERnbB+PkVi3si8D01ElcONdosDOoKIUXE6UiJNx2fqSGDHQOiTF2pe2CaSAehc1XfTLOq E5zOlWsNvc5S5yAeK2AP9Y4FwWCMtZ0FgiXGQEn5Z53WebFs6FhYtA2sTMmp0zqpfgps6n6L88t0 LsoUoWHga2YEWab8r71lmSNSWJL0A9pQliVtrjBcXPQj/DiVe7MhBiXCiMvH1CDagMY1WbOVOcYA 4o2lTBy/a8sNzk3DMjoIqx8xsBfW9Xwqq/JJkCrnpkFNx+oTkrZrqx9gMciDH/zgdl++Z90m0Azs iSb34rvesOC5EH+uQ5i6pjDiGGDJt3v2bMSXL9fId0Sce/Dpf7+z6qnH2gFWd3l1T353Hc8yz1S/ JD3xtCGMMlDCbv65pcIuielYdAwqM187nQY/CH4/PlVcK1oVSBWSNYxAYyUQlmUgHYvvjWqIKvFU TMJNPOZwHZrr6Yx0Kq5JILISsmzo1FxTJRE3vh0gvyqRyqHyEWFJH63mY4FTofkByrMOzMiSQFMx TTf5Tp6FkSfC1nfu11ST/Gi0OMDqlF23Kk9xMwQNN2sxC4ABi2kjLg/qiI5RA20VHxcIvxlgGFgJ S6DZPkFHpG7wMTXgYsHQCehclGMiUVnmZkCoiScN6aae6/CkZWqNwDPoMXDznfKv7shLrCsGbIQm iwmrgUFbLBhVHxaT3mumHFmSTPkpo9pdbbRyrAwg6672UZvOJ05/IIxPcdAUJauvMNIST1rCuw4o d66ljTbLQkwph6g/EV5cadh5IdcSVp3wSQi6XsKpc/oTA31py5dryy8YwPg+9+N+fSeOWR3X9F3f /suvtMXB7APp/jwL4aUlL+Jj8uWTYUH+pZ/nQLyC/ErLvfje7+K5Tp5p//ykkfc1fofF+aP3eGo5 2Hthh0kw4FNge5OYeVUuFY8YCxTw/A6pRNIL/K4SqCxBKmsgvArRpy1eKryw0k3F6iGcfBJrgbCJ a0pWvrM9AySfSUsa8ud78JuKp6L26J9XsbgR9uXWQMf2Cqa0WOMMivqyr+E3Umc9I7wIKlM9FjMY CCnrLGbEHaHFxcH0TwZVBjAc2Yk18Yz0uSUkD8KxdHNNYPVzHScHiJc6ADoSlhniURjTXSzl6RSl N3WvxcXgTmK7rrdWuuO+ZE/Ic9lovPVCuptJu+rh4jDvf8uEHW5VgZXWnrBaIU4hnUKf1z1hrTDr iT9Gf+1icTMMjM5ZJVjfTPuwZvS/E1esACzInNJZ4UzJskoI63eDFf+b+hGOBToDEdaJxDPlZGRv cBVk41MWP1NbHM+JOIOZHgZDLAPSSV5Zr4Px/RUXj2mn98T1hF0tzFrXWuu39XC1+GulO/Vbvpv6 rQ8z9f16uVbaazHxivNP7xO2VNiFSRz6AhT0302xTweDqTDj643j9uzj9GGCqbD5fer7tTgVp1jc W6ZsQV/WYE+/Q9IJEmYcbrX/WcZNt/JP5XxuWpVIDIQbXwP6a/RhisVisbg1TBu7LcKuWCxuH6fQ /57KvRpWSyOCazVwT+Azavse/ntW21oxuJoVbrV89GGKxWKxuDUsYVcsFtdNDQZfVSteLXqywMIq V753HLAjCovFYrG4OyxhVywWN8zVMBW2WCwWizvHEnbFYnHDnEJZ64rFYnH3WcKuWCwWi8VicUFY wq5YLBaLxWJxQVjCrlgsFovFYnFBWMKuWCwWi8VicUFYwq5YLBaLxWJxQVjCrlgsFovFYnFBWMKu WCwWi8VicUFYwq5YLBaLxWJxQVjCrlgsFovFYnFB+EvCzhfFYrFYLBaLxflj8DNh94Ym7E79v1Ao FAqFQqEwp/iZsHtrE3ZMd8VisVgsFovF+eP/+3//74Sf6Tp/P6wJu0KhUCgUCoXCIuD//J//H+Gf H4L2FU6rAAAAAElFTkSuQmCC ------=_NextPart_01D96C2D.20D66570 Content-Location: file:///C:/0ECBF625/2.Baditzne_file/image003.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAAAu0AAAGZCAYAAAA95Q8tAAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAFxEAABcRAcom8z8AAP+MSURBVHhe7N0JuHZT+T/wlEqlQVRoIEJkSGUs U4OISIgKJZqkQaaSzGNCKiKaqEilQSpTlKKSlEoaECIiQkXj+v8/q3f5bU/POe8573vO+z7POd/v de3rGfbea6+9hnt973vd614PKEEQBEEQBEEQDDRC2oMgCIIgCIJgwBHSHgRBEARBEAQDjpD2IAiC IAiCIBhwhLQHQRAEQRAEwYAjpD0IgiAIgiAIBhwh7UEQBEEQBEEw4AhpD4IgCIIgCIIBR0h7EARB EARBEAw4QtqDIAiCIAiCYMAR0h4EQRAEQRAEA46Q9iAIgiAIgiAYcIS0B0EQBEEQBMGAI6Q9CIIg CIIgCAYcIe1BEARBEARBMOAIaQ+CIAiCIAiCAUdIexAEQRAEQRAMOELagyAIgiAIgmDAEdIeBEEQ BEEQBAOOkPYgCIIgCIIgGHCEtAdBEARBEATBgCOkPQiCIAiCIAgGHCHtQRAEQRAEQTDgCGkPgiAI giAIggFHSHsQBEEQBEEQDDhC2oMgCIIgCIJgwBHSHgRBEARBEAQDjpD2IAiCIAiCIBhwhLQHQRAE QRAEwYAjpD0IgiAIgiAIBhwh7UEQBEEQBEEw4AhpD4IgCIIgCIIBR0h7EARBEARBEAw4phRp//vf /17++c9/zvgVBEEQBEEQBFMDc520/+Mf/yh33313+etf/zoi4f7Pf/5T7r333vLnP/+5Hr77r0Ea v/rVr8rXv/718s1vfrNcfvnl5dprry033HBDuemmm8ott9xy3/GnP/2p/OUvfwm5D4IgCIIgCIYG c5W0//vf/66k+uKLL65E+6677ppx5v+A0P/2t78tP/3pT8sll1xSr7vtttvuR9qvvvrqcuSRR5Yt t9yyvPKVryy77757Oeqoo8rJJ59cifz5559fPve5z5UTTjihnHrqqeUnP/lJTTcIgiAIgiAIhgFz lbT/61//Kj/84Q/L+973vvLJT36yWsK7YFFH1I844ohKwr/4xS+WSy+9tNx6660zrijljjvuKJ/4 xCfK+uuvX1ZdddWy8cYbl0022aS89rWvLR/4wAeq5d2x1157lec973lls802K5///OerxT4IgiAI giAIhgFzlbSzdn/2s58t22+/fSXlf/zjH2ec+S+4snzwgx8sa6+9diXhrOYs81xpGljgt91227LI IovU617/+teXV7/61WXPPfcsF1xwwX2W/De+8Y3lqU99aiX3X/7yl8vf/va3GSkEQRAEQRAEwWBj rpL2X/ziF+Vd73pXedWrXlXJe5eMw/XXX1922WWXsuSSS5Yddtih/OxnP6vW+eYa4/tFF11UrecL L7xwWXPNNasCsOuuu5Yzzjij3HnnneX2228vp512Wv2f68yHPvSh6k7Tda8JgiAIgiAIgkHGXCPt FoOecsop1Z3lLW95SyXkvbjiiivK1ltvXZZddtly8MEHV1/2LpD2q666qlrjd9xxx/LmN7+5Xvel L32p/OEPf7iPsLOy83M/88wz6+JU9wVBEARBEATBsGCukXaLS3feeefy9Kc/vRLq3/3udzWiyz33 3FMPhPszn/lMWWeddcqLXvSi8pWvfKWGdOwFv/frrruu+r6fe+651eednzulgA/85ptvXg8LUfst dA2CIAiCIAiCQcdcIe0s3WeffXZdGLrAAgtUP/TzzjuvRnVBur/zne+UT3/609WdZbnllqsuMkI6 jgbkHSlvxP5HP/pRtbDzYbcglW97g6g1ruPXzq/e4bf/gyAIgiAIgmDQMFdIuwWm73//+8uTn/zk uoB0u+22qxFkjjvuuPKRj3ykHHDAAdVt5olPfGL1Uz/99NPHtXD097//fTn88MPLpptuWvbff//q QsOHnfXdYlcEnhJgoeoXvvCF8rWvfa1ceeWV1cIfBEEQBEEQBIOGuULaWdMR9aWXXrq84hWvqDHW P/zhD1fSftJJJ5W99967rLjiiuWxj31sedOb3jRTK3sDYo6Uf+xjHysbbLBBefnLX14+9alP1Qgz 0uBCw6L/rW99q4Z9FAZym222qe45ItMkDGQQBEEQBEEwiJjjpN1iUu4qq622WvU1P+uss8o111xT fv3rX1di7fs555xTzz3nOc8pxx577Jg3QmKN/+pXv1oJ++Mf//iy+uqr18Wp733ve8sxxxxTn8sC 7/tBBx1U3W822mijsscee9QNmOLzHgRBEARBEAwi5ihpZwkXotHmR6zshx56aF/rNvIuogwrPAv4 WKO9UAiQ8kUXXbQ84AEPKPPPP39ZYoklqoLwmte8prz97W8vb3vb22oMd6EmLYTdZ599KtG3mPUf //jHjJSCIAiCIAiCYHAwR0m7xZ4iwrCAr7vuujUEYy8hZy0X9YVPu9jqdkwda0x1vvJ84ldZZZXy iEc8oi5yFZ1G9BluNtxuDjnkkGppP/HEE2ts+O9973vVpSaLUIMgCIIgCIJBxRwl7Qi53UhZ0Q87 7LAa9rEX1157bXnHO95RN1QSVYbbzFghgszll19efeTtoPqGN7yhHHjggfeRdM/+wQ9+UBemCjF5 8803/8+GTkEQBEEQBEEwaJijpB2pRsK/+93v1mgt/SLC/PKXv6xkfYUVVqiuKzZJGg9Y8xH/iy++ uC545SPv4HIjaow8BEEQBEEQBMEwYY6Sdi4o/MYdI7mj2LH0ox/9aI3sYkOlsS5C7YI7jY2auN74 7lntexAEQRAEQRAMG+YoaR8LWN+5rvziF7+oVvb4mgdBEARBEATTHQNH2icTLO2JEBMEQRAEQRAM G4aetDf3l5HgPD/2G2+8sS5CvfDCC6sV//bbbx9zKMnZATcdfvaZMQiCIAiCIAhmFUNP2hFvBFwk mL/85S8z/v0/2DBJWMf3ve99NWqNOO377rtv3SnVotfJJO6e/bOf/ayGraQ0hLgHQRAEQRAEs4Kh J+0s2SLRfOELXyhnn3123WCpC+EdkfT111+/bta022671U2Wdtxxxxoa8uc///mkEHcKxLe//e26 gZTnn3HGGSHuQRAEQRAEwSxh6Ek7Eiw2u/CQb33rW8t55513n9+6c4j81ltvXQn7Jz/5yXLZZZfV XVbtiOo/cdy5y0wkceeOI9zkEUccUd74xjeWHXbYoRL3c889t9x5550zrgqCIAiCIAiCsWFKLEQV ZUaYyG233bYcdNBB923adMcdd5QTTjihvOY1r6mbK9n5lI+7MJJ823faaaey4YYbVnJ93XXXTUhI SGmIRX/SSSeV97///eW0006rygLSbrfWq6++ekKeEwRBEARBEEwfTAnSzqLORebggw+uxB2BR47P OeecSsztsPrTn/50xtX/RduddYsttiibb755Of300yfECi4Nzz3uuOPqJ792seePPfbYqlBYDMul JwiCIAiCIAjGiilB2oFLDOv5G97whrLllluWPffcs7z5zW8uL3vZy6rvuoWqvbj11lurRZx/+9FH H12t7bMK1nME/ZJLLimnnnpqJews+0BB+NznPlf233//6r6TXVmDIAiCIAiC8WDKkHYQRYYryiab bFJWXnnluvgUUf7Rj35Uwy72A6J+5plnlm9+85vVzWZWXVdY2BH2D3/4w+Xkk0++nxuMZ19wwQXV DceC1D//+c/1/yAIgiAIgiAYC6YUaYdrrrmmHHPMMdWP3eJUC09H21CJa41ILwj/PffcM0uk3X1C O1IYjjrqqHL++edXq3uDNEWx4V/Pbca1cZEJgiAIgiAIxoopR9qR8JtuuqlcccUVlcDPiR1QLXhl ZecXz6LO7aaX/AtFecopp5Tdd9+9fOYzn6lKQhAEQRAEQRCMBVOOtM8N/PWvfy3XX399dYlB4PvB NdxmhJ8UZnJ2/OeDIAiCIAiC6YWQ9gkAq7o476z8I4ELzsc//vEaYtLmTnZjDYIgCIIgCIKxIKR9 DkEEGW4xG2+8cY1ww9c+CIIgCIIgCMaCkPY5BAtPRagRR3777bcvF1100Swteg2CIAiCIAimH0La 5yC+//3vVyv7q1/96hqvfTR3miAIgiAIgiBoCGmfg/jxj39cSbsNn772ta8l7GMQBEEQBEEwJoS0 z0FceeWV5Z3vfGfZaKONavjHu+++e8aZIAiCIAiCIBgZIe1zEOLH2xX1pS99af30OwiCIAiCIAhm hpD2OQix2k899dTqHrPHHnsk7GMQBEEQBEEwJoS0z0GIFnP22WeXzTffvLz+9a8vl1566YwzQRAE QRBMNAR8sDN6Aj8EUwEh7XMYl1xySSXsFqR+5zvfmfFvEARBEAQTiVtuuaWOs46bb755xr9BMLwI aZ/D4BJz8MEHl912262cf/751QIQBEEQBMGsgyW9a02/5557yuc///kaYtl4e/nll884EwTDi5D2 OYzf//735WMf+1jZZ599yje+8Y26U2oQBEEQBKOjubr0urtwPb3tttvKz3/+8/Kb3/ym3H777eUH P/hB2WabbcqSSy5Z3va2t5Vf//rXM64OguFFSPscBmFiMepOO+1UPvShD5Ubb7xxxpkgCIIgmH5A uu1b8ve//71+9vM/v/POOysRZ+z6xS9+Ua9tcP+vfvWr8tGPfrQceuih5YQTTqjhlZ/5zGfWEMtn nnlmtbw3SD87kgfDiJD2OQwWAgKEIHnFK15RLrzwwr4CKgiCIAimAxDwa6+9tu4a/tOf/rQat3pJ tf/f+ta3lk022aR86lOfKn/5y19mnPkvWNIPOuigst5665UVVlihPOlJTyqrrLJKOfHEE+/bE+Wu u+4q119/fbnhhhvqfyHuwbAhpH0uQNSYzTbbrKy00krl2GOP/R/hEwRBEATTBcj0F7/4xRqkYa+9 9qoEvWvM+te//lW+/OUvl5VXXrksvvji5bjjjruf5RzuuOOOGp1t++23LwsssEB5wAMeUNZZZ537 DGMWop511lnl+OOPr2ldd911Ie3B0CGkfS7Apkp77713WX755ctb3vKW8rvf/W7GmSAIgiCYXrj1 1lvLvvvuWxZeeOFqKf/ud78748x/wSr+wQ9+sCy99NLlBS94QTnnnHP6zlCz2NttfJlllqmkfdll l63uMuedd1457bTTynve856yyy67VEs9y35IezBsCGmfC2Ah4Ne++uqrlw033LB8+9vfjvAIggEH ksDil74aBBMLVu83velNZaGFFipbb731/2w8eM0119R1YE972tPqxoSub9Af9U2up3/84x/r7LXF p0j7fPPNV57+9KfXcfY1r3lNNZZ94hOfKD/5yU8ywz0JUBfWJDianPTZjmD2EdI+lyD8lJXtiLvp OtODQRAMLgxEFG7WvAxAQTBxsMB0iy22KM9+9rNrgAY+7Ui4cdHMNOv5c57znErGTzrppPsWobLA I/BIOOv7McccU17ykpeUBRdcsCyyyCLVMs9V5iEPeUh53vOeVz796U9Xf3ZpBxMPRg0R8chJihQ5 qa4oSPfee++Mq4LZQUj7XAKhdOSRR5a11167TtddffXVM84EQTCIMNAbfAxK/abmgyAYP0SFEfUF KV9//fVrbHUuo0I3Mm6dccYZ5ZWvfGWZf/75y4orrlgDOQAl+mc/+1kl9Icffnh597vfXQM8PPrR j66HQA9cY1772tfW+6Rx8cUX13uDkUG2tWO8UCd//etf69FmJclMm1yp5xg7Zh8h7XMJOsS5555b rQtbbbVV3bEtDToIBhddS3tIexBMDNqsM3/2jTfeuO5j8s1vfrOGdrRgdL/99qvrvx7xiEdUIn7Z ZZfV+5BBC0u5y9g86ZBDDqkbKXGxWWqppcpHPvKRaoVnxWe9F0Xmqquuyjg7CpQNGWeGo1nLxwNE nUW9zUY6EHhrFqSZsp99hLTPRbCu77nnnmWDDTaoloY///nPM84EQTBoMOAYlELYg2BigHgb+ywY XWKJJco73vGOcvrpp1dr+re+9a16HHDAAeUZz3hGdXU54ogjahSYdq/1YMj5F77whRqVzWJTlnVR aJpVXb/9wx/+UBeeIo+U76A/yDbk2toAlvHxyrpG1Bs592mG0uykz/Z/MOsIaZ+LaCviV1tttboI hxUgCILBRQadIJg4iK2+7bbbVneWTTfdtJJ146CNkmw8aAdxa76EeuQ+wyed5RaQb2TcIlUGL7+5 YSD6X//61/9n40J9FwlNHx4ZyocyxH0XP2GkmAikzCcOIe1zETrIySefXMNTrbHGGjXGbBp3EARB MNXB8sqqLrqLxaKHHXZYtYRzreCaYSy87bbbqnX9iU98Yo0cY6fTbtCGfiScVReJb4tVg7FDWVJ+ lF0s44OJkPa5DPFjbQCBuLO6x0UmCIIgmOpgTbdPyWMf+9iy7rrr1k2QeiEqjAWkwjfa4VQ4R5so BcF0RUj7XAY/u3e+853V2hAXmSAIgmCqgwX3oosuKtttt11Za621ytFHH139qLvgmmH2WYS1eeed tzz3uc8tX/3qV6sVPgimK0La5zKstP7kJz9ZVlpppboTXFxkgiAIgqkMYxwD1Wc+85l6CO/Yu+jR 7+9///vljW98YyXudkzlv57xMZjOCGkfAFxyySU1vmxzkbEQJAiCIAimKljMLXgcLRQgH3ebJiH2 osNkg55guiOkfQBgxfu73vWu8pSnPKWGq+LrFwRBEATTGS2aifCDWVgaBCHtAwGrtT/72c+W5ZZb rqywwgrl1FNPrSu3gyAIgiAIggBC2gcEP/7xj8vLX/7y8oQnPKHu7ib+bBAEQRAEQRBASPuAQBir D3zgA3XXN/7t/NyDIAiCYDrBzLNY6w4+7Jl1DoL/Q0j7gMBCHER94403rpFkTjzxxCq8giAIgmA6 wC6cV1xxRd3V9Nvf/nb54Q9/WH72s5+V66+//r6dUINgOiOkfYBgQeoee+xRllhiiRqz/YYbbphx JgiCIAimLv70pz+Vb3zjGzW049ve9rby3ve+t7zvfe+rx1FHHVV3TxWkIcasYDojpH2A0BakrrLK KjUu7de+9rWsmA+CIAimNBisvvCFL5S3v/3t5RWveEXZYYcdyl577VX222+/svPOO1eX0fXXX7/+ 94Mf/CAbLI0TZvLxC0fi3A83QtoHDL/+9a+rlYGLjAWpv/3tb2ecCYIgCIKpBTuhfvzjH6/hjm2k dOyxx9ZNBpFzLqPI/C677FLHxCWXXLJec+GFF2Y/k3EAWVdeXIzsNBsML0LaBwwW3RBStmy2vTNr ezTjIAiCYKpB/HUhjjfddNMaPe3kk0+ukdOMg2K0I5j83BH4PffcszzpSU8qCy20ULXEX3bZZTNS CWYG5WkTK2UZ96LhRkj7AOLKK6+sU4RPfvKTy2GHHVYFWxAEQRBMFdgN9cwzz6wW9g022KBGT7vx xhtnnL0/EE3jIiv7fPPNV4k7P3ckNJg5KD9cikTjoQwFw4uQ9gGE6UKuMQTTK1/5yrqaPgiCIAim Am699dZy2mmn1YAL2223XfngBz84JlfQc845p6y55prlAQ94QPVxF2EmluOxAVl3ZOZ+uBHSPoCg DX/0ox+t/nvitvsei0IQBEEwyEAKb7rppnLxxRfXSDA2DeSW0cDai5wLuPDmN7+57LjjjuWTn/xk Dek4FjLJOs8iL8LaYx7zmPKGN7yhXH755SGiwbRBSPuAgg8fHz+C6TWveU355S9/OeNMEARBEAwW uGAg5PYYYT0X8cWM8fnnn1/DOd52223lu9/9bnX5fP3rX19233338qUvfancfPPNM1IYGzyDf/vC Cy9cFllkkfLud7+7XHfddTPOBsHURkj7gIIfOwu7FfPrrLNOtVoEQRAEwaCBpfvaa6+tbi5bbLFF eeELX1he9KIXlc0337zGW7fY1CJTZHvLLbcsu+66a3V1+fOf/zwjhbGDNf/SSy8t22+/fXn0ox9d nv70p5cPfehD1a00CKY6QtoHGDaSeOtb31p9+GwwwVIRBEEQBIME0UnOOuussskmm5R11123HHDA ATWM45FHHlkOPPDA8v73v79a2Fne99577xrScXZcPj1P2MetttqqzkY/5znPqUYu8d6DYCojpH2A wf/vlFNOqZZ21omLLrooK7+DIAiCSYExh/VbPO/x+Im776STTiqrrrpqedWrXlUt4WaLua0IzSje +ve+9716/PznP5+QiGiIO2v9i1/84vKwhz2sbkr4qU99KtHWgimNkPYBx/e///3qG7j88suX448/ vvztb3+bcSYIgiAIJg5XX311+dznPlc+//nPlxtuuGHGvzOHjXssELW/yHve8577zQq3cIOOid6R k7WeRX+55ZYr88wzT40ow+JP6QiCqYiQ9gGHVfW2cbaphJX2hGoQBEEQTDSarzjrtZCMiPZYYCdv C0K33nrr6r8+J3crpVwcfvjhZdlll60+7vJgVvrvf//7jCuCYOogpH3AwbJuym+FFVaoi1KFyhIS MgiCIAgmEr/4xS/KNttsUxZccMG66dFVV10148zIYFUXMYZbzKGHHlquueaaOR6CEXHnM7/44ouX BRZYoLz97W9PxLVgSiKkfQhgJzjWj8c//vFVoEYYBUEQBBMNoRmPPvroSn6f+tSn1u9io48ERqXT Tz+9vOxlL6uhib/zne/MtXVXFIwddtihPPShD63uMuK/Z3+TYKohpH0IYIryi1/8YlljjTXKUkst VY455pgstgmCIAgmFCzkP/vZz8pOO+1UFl100bL22muXL3/5y//jJsNPnd+4HUm5o4jeMjOCP9mw MFVeLUidf/756+ZNY9llNQiGCSHtQwIxaA8++OCy2GKLlec///k13FUQBEEQTCQsFmUxF7HMePPG N76x/PCHP6x+6izrrPGiwogIs88++5TVV1+9Wtn5w89t/O53vytvetObajSZ9dZbr/q2B8FUQkj7 EIFQFEnmsY99bN1NLjFpgyAIgokGcm52d7PNNisbbrhhjbvOiv2tb32rnHvuueULX/hC+fCHP1x9 x3fZZZcasWVOLj4dCSz9++23X3nkIx9ZVlxxxXLmmWfOcf/6IJhMhLQPEe66665y3HHHlSWXXLKs vPLKNTRXVsgHQRAEEw0LTBF1UWFEMNtrr73KUUcdVTcxcpxwwgk1MMKPfvSjgSDsYBbgoIMOqlFk +OTzax9rBJwgGAaEtA8ZLLZ5wxveUP0NWUHOO++8xKQNgiAIJhw2WkLKTz755OqzbgOlr371q3WT JGPRzTffXH3JBwXWelEsRL9B3BH47CQeTCWEtA8Z+Buef/75dbvohRdeuGy++eZ1yjIIgiAIJhoW nf7+978vP/nJT+pupvYOMes7iDDz/OlPf7oGbHjgAx9YXv/619cY8kEwVRDSPoRgWbfxxbOe9azy iEc8ogqmbLoUBEEQTBaEcpxb4RzHAwtkN9544zLvvPOWF7zgBTFqBVMKIe1DiltvvbXuAmen1Cc+ 8Yl1GtCK/iAIgiCYrhCg4ZBDDilPeMITypOf/ORy7LHHDozPfRDMLkLahxis6+9617uqf/vSSy9d 3ve+95WbbrppxtkgCIIgmF4wGyDCzaqrrlqt7a973evKb37zmxlng2C4EdI+5LARBveYhRZaqKy0 0kp1odAdd9wx42wQBEEQTC8waIkd/6AHPag885nPLGeccUa59957Z5wNguFFSPuQg1XBSv5tt922 usm8/OUvrxtKJDZtEARBMB1x9913153DjYkPf/jDyx577FFuuOGGGWeDYHgR0j4FIOSWHezE0hUO 8uyzz65RZoIgCIJguoHR6vvf/37ZdNNNaxSZtov4MCykDYLRENI+RWADCa4yVsoLcRXSHgRBMPEg WxlKQgAHG2LMC9bAdXSxxRarm0FlT5Ng2BHSPsVg+2kEPu4xQRAEEwMEnWxt8cq5IF522WV1B87I 2sGEejnrrLPq7uGPetSjqouMyDJBMMwIaQ+CIAiCEcCqfs0119SIJLbFF06QG+IOO+xQjj/++PLL X/4yixwHFBQrLjLzzTdf2XLLLetsdBAMM0LagyAIgqAHdgIVievSSy8tH/vYx8q+++5b3vve95Z3 vvOdZZ111imPe9zjamSSAw88sBL3YPDwu9/9rrz1rW+ti1HV1Ze+9KW6a2oQDCtC2oMgCIJpCcSc n7Nt+bm/IHQOv6+66qryxS9+sRxwwAFl9913L+9///vL1772tbro354Y3C7EAUcGTznllJDBAYRN lY477ri6yRIXmXe/+93lxhtvnHE2CIYPIe1BEATBtAMr+hVXXFGJONL9uc99rnz961+v0be+8pWv lI985CN18zrHxz/+8fKjH/3ovp01+bZzk1l44YXLgx/84PKmN72putAEg4eLL764bLzxxjVm+4te 9KLywx/+cMaZIBg+hLQHQRAE0was67/97W+rFZ31/B3veEf1exYW8KUvfWnZbrvtyq677lrdYZxH 5G+++eb/saQLKfiCF7ygPOABDyirrLJK+fznP1+t9cFgwWJh9bjIIouUxRdfvHziE5/IrEgwtAhp D4IgCKYNhMTlh77VVluVt73tbWWvvfYqm2++eVluueXKMsssUzbccMNy8MEH14WnXGSEDuyHW2+9 td7P0v7oRz+67LbbbtnAZwDRYra/+MUvLo94xCPKa1/72qxBCIYWIe1BEATBtABL+LHHHltWWmml st5665WPfvSj1Uf91FNPLe95z3vK29/+9rqTJheKmVnNnXctCy5rOyXgyiuvnHE2GCTcfvvtZf/9 9y8LLLBAWXrppctnPvOZRPwJhhIh7UEQBMFcgXCK/MTvvPPOuiB0djeFQ8SkxZ3lj3/84/2It3MX XHBB9W9+2tOeVknc9ddfX/9nTff9N7/5Tb1vLO4T3Gy++tWvlmc/+9mVtL/sZS+bqyEFlSVXkJtu uqn668tf8F+wtnNzWnHFFctDH/rQGrNdPQfBsCGkPQiCIJjjQDKvvfbaSqRPP/306hMuvKLILbMC 7iricp955pnVms4KbpHpddddV+6+++56buedd67RXiwc/elPfzrjzlmHjZY22WSTStr5t1v0ODeA lHL7saCW6w+/7auvvnrG2QB+9atflS222KI88IEPrO5QP//5z2ecCYLhQUh7EARBMMfAsi76isWg SC4XFX7G6667btlpp53qbqPjsRKzqovscsYZZ9St6g899NDyute9rjz3uc+t/umHHXZYtYgj8Raa vuY1rynf/va3q9Iwu/Bsfu0ikyy11FI1njtL/5wAos6yTikRBYfSI4a897aoVlmM5I8/HUGpUz4P echDygorrFDbRBAMG0LagyAIgjkChPZ73/teJZjnn39+JdvIkx1GF1xwwXogVjbFGQ0IK/LPunza aaeVgw46qOy3337lwx/+cLU2i6OOuD7pSU+qFnBhG8VbZ4X+xje+MWFRXu65556qdDzlKU+pC1I3 22yz8s1vfvO+0JCTAa47yDpXHKEpKQoIurCUwlRus8021f2HG5C8TNS7DjvMtnzoQx+qaxBstmQB clxkgmFDSHsQBEEw6UCaLPoUfg95+sEPflBuu+228oc//KG6sfAJ52+McCLCo7nJ2CAHIT366KMr IUfYkXVRQlieRX3hIsJyv8suu1R3GWSdS4R8TBQoD97jFa94RZlnnnnqBj5vfvObJ823XZl43kkn nVRDUvLNprB41/POO68+VyhLMwyPf/zjK4HnFiSf0x1mb7Q/ygwXmec85zl1AbJFqkEwLAhpD4Ig CCYVFpiKrHL88cdX9xUknbtCI5Ms0yzurOIs1lw8PvnJT9Z7LBBF0pFxlnXW+c9+9rNl7733rjuV cns555xz7ltUKk2HxZhIOtLqvslanIn0nXzyyWX99devYSO530yGbzurvlkKC2h33HHHGunm8MMP r9Z2z1MGlBbvTIl52MMeVom7cpwIV6CpAEoihceCVOVjPYIFqokkEwwLQtqDIAiCSQUXje9+97uV 3LIII0+91l+kGqFabbXVyhOe8ITq3sKKzuWDFf1Tn/pUtZhzfUFKxVJnVWZVZz0fyZqMqP/73/+e 8Wvi4bnis1NEzBDYWXUyFoFaB8D9h78+xQdJb3HkL7/88rpFP0VGuEoLe5vLzhFHHFEj8wT/rSvl uM8++1RXLHHbba5FKQyCYUBIexAEQTCpYCUWvYP7xmjuCAgVcm5hKqv7RhttVHbYYYdK3pH0I488 shJjZJ11+ZZbbhmRrM9JyAPFhK85hcT7TjSEo/zABz5Qy6E3jvyXv/zlsvrqq5eXv/zldWZBVBtu IE984hPLUUcdNak+9sOISy65pLzwhS+sUX/WWmutqvQEwTAgpD0Igr5gnRwEQhQMP7QlRHYsbhrN b9viSq4ghxxySLW2f+ELXygXXnhhtS4j/tNtK3rx17/1rW9Vwtn1y6comHlYbLHFyutf//rqJsT6 rsze+MY3VrejOeX+0WLeUxImc3ZjdmFBtLUAj3zkI6tiY7OluBAFw4CQ9iAI7geDV1vMZwAOcQ/m NLi0sFiL437NNdfU9sgHHhmcDL/0YQAlBdnsteKLN/+qV72qLL/88nWBL1cYfVYEHnHvuX7MCQLt mZQpoTzNmAw6CRb20664XGTM5lj3EASDjpD2IJimMJD3G8wN9gZ/i9x+8YtfhLQHwQDj3HPPra5E DusFWn/1qX/Pyf5rXQI3HorC7O5uO9mQVzH8H/e4x5Wll166LtidyMhCQTAZCGkPgmkKVjubsvDn ZNUEg7zpdL7E22+//f12DZwT1rpgdLAyszZzIXH4zvIaxWp6QnsQScfi3Ve+8pVzfZdPbZG7jrY5 DPKCu9Wqq65aF+xaRzG3yy8IZoaQ9iCYYrBAjRXJwDnaFDXfVwvb3vrWt94Xr5iFTASKtddeu/oS i4phAxLXSi+YPagbccmbu8dY/bKRcorVj3/842pZFaPcpw2KEA8uEuppurqOTFcgyBamPutZz6rh L7mlzE1op9rgsCj4ZgWE6Jx33nnLM5/5zPKlL30pCnAw0AhpD4IpBAMmlxY7Tgo9x5I+EjE0wAsT Z/t1MaYt/OMWY5p98803r/GfbUZiQZup48kIYzedYH0Agi2aB8VIfHGkG4kfiWwjPxQw9WjHS+Hp WAQtOHzTm95UfXG33XbbuqOo9C666KK6YDHkfXqAEvfqV7+6WtptsJTQjuMDxZnS85jHPKbGtLdZ V1xkgkFGSHsQTCEg6OJFW5gmzjUih/T1gwFe6Lx11123+nU++9nProfBS+g4MbUNaFtssUXdfVHI vmGCWYa22c5YMNJ1ylRZmWlQlmYkHCzfQg6ymptWpywh4CO5q7CG251zpZVWKk996lOrdRThVkdn n312tfpJvz2LUiWsocgW4kqrEwqVT7G6uS9tueWWtf5s6rPKKqtUAmfHUcoWy3tcmqYu+Ix/+tOf ru1ogw02qBF3gvFB3xaVaNlll62bLemfZheDYFAR0h4EUwgsrGI226LblK8t1RHLkYDYIY0GLVt7 i1vsePrTn16tuDvvvHN1nznttNOqVWrQgJT2ElNkBnkWGk+IPDMEIy2KM2grA5EjKCXIeIN7EGc7 cLJgS8vuiWeeeWZ1TbEtvhmNE088sZJqscSPO+64eh0Sz6WoRfrgFkMJQqwXXnjhWt6ifaywwgpl zTXXrNvgH3jggXV63rMsKPzYxz5Wd71E0l/ykpdUn2UhEM2geL68eL7Zke22265O7z/5yU+uaVPa zJzYUXTQFwQGswYzN9odBdDMSzYImjWIaW9nVPLSp9mLIBhUhLQHwRSDnRItrhLKbK+99rofEW1g CWbNRWiRO9c3wu6YZ555ysorr1yJJALJ+jRI5I8vr8GWewmC3Ig7koyocuehdGy66aY1QoTwlV3r N+UGyXE/0tt2kzzrrLMqGUKyWcYR5/e85z1ljz32qGW52267lV133bXuMsnNxQyE30g38r3GGmuU zTbbrCpLys6shzIWeo87i5jQL3rRi2qMaNF5dtppp7LhhhvWbftf/OIXVwu6Z1EA3vKWt1TyjZAj ZyyCv/zlL+sCYsqGPPruPbjdyBPL+5JLLlnjT9uq3XtxrQmmHiim2p42Z6dU7SEYPxgj9O3555+/ POMZz6j9TP8KgkFESPs0A6vr9773vWrNYwmcKN9XUSy4CdjxEGmSNgsmYshFgRDM5hWTD8SaJZab CxLJKtyv3F3HnQNhfdnLXlYttIssski9x72PfvSjqxUYaUUMBwXakXbGyo3cskLbWEa7a1Zxi2qd 4+f7qEc9qg7E733ve2u71y5dh+jz2UeGkWhk+klPelJ1LzFocy9hQUeKuKHYpEaae+65ZyXCFB1R O5SPrfdtrY9wI1BIs/Se9rSn1V0pEYK3ve1t1bJuBsOunsJq6h8i96gv29Kb0ZCGZyHtSLi0EX+z AM1q3w+UFul997vfre/qOQ960IPqVvbeUezsYGpAf0bYKZjWN4j0ZEE55ezmm2+uCi05b/aIYqvu B6kPDxqUJzcja3vIC32cnAiCQURI+zSBQZ1AR2gIen7KyMNE+CmzYPLHtVCOwGOZ5HLBF5ev7ve/ //1qtWQlbD6/lAV5GsmPOJg1sIhzqVh00UXv2x2xH5Bf7iOsuQjmwx/+8GrxRUYR0dZGWKxZnuc2 tBODK4VQG0bUuQA95CEPqWSYlRzBtcW9T+/gP0oIC9riiy9ettlmm2rdRsa9J6LDUv7Sl760Kilm GJ7whCeUrbfeukbOYUk//vjj67b63FDMYLBoU3hZ7pUtBcLCT5sAIcyez3pua3SK0IILLljLd6GF FioLLLBALVPl3qAfKF9pscZTsqwzuOCCC2rf1GcpvmPtJ5QxZE3ebWtvyl8MarMNNilKfxtuMI6Q p+QrBVP7FumJ65T2jnxS8rizUfoofxZXmi0bhtjpcwvWA3BBIwPMeonO1Ot2FwSDgJD2aQBWFySA 8DbV/rznPa9aFQzqiDtiMDsg3Fh5DBLInsGExVBEC6SQpdHiOATIoMLCye/3hz/8YbX2IjwW4EVI zh4MyHyikVh+0x/84AdHnN3wP3JnWl3kGG0C0WuhCFmaWZJ9zm3SLq+UEZZy7efYY4+t74Zszzff fNUNyAJNyiKCjTxzSUHwRdTwfhbasnyzzLtORBxlhYS7hkvLEkssUa3kIucg9Eg6co6UW3QqqkSb NepHfrVfZXfZZZdVhZVlHhFg6ZcupYhfez93JZCmZzg/u64OZhMoEPzcERGzJuqXhT8YPiDrjB4U VrKVwqqfr7POOnWmjFvUjjvuWBeOU0zN1mh73MPM4JDBZnMohORtcH8wJikjsoSs0FcSRSYYRIS0 T1E0Cx4LN7JM0HMDMJVKoPOVRSRYapDo2XGTQVaQKlZ1pAkhMnDw/+VagLwTiAYUC+mQJv6+lAjk yHHKKadUEo/0hLzPGpqV/bGPfWwliF2Lbj+Y8UBuuYMgrtpKs8QhysijNjS3rXPcPhBsbcpCT1ZD 7jAIvOgrSDl/cb8pgQhOA7LNSs76zRppJogywqpNWdXuuRPYUIrVnWuJNmwxmnefVcu0CDBmn1js 5JnSaoEwcjCn4Fn6HLcfxB2B9+7xfR4OaHvcWpB1LlRml5Bz9cj1i0zXJ8wamV2iEOrLZpIQdTNG 5K72RxbrJxRd95jFGUmhn45QFhQa63ge+tCHVuMTo0YQDBpC2qcgkCxkzBQpEif0nwPBEeeZRZzb A4sigsffdnbJBAKI5CFCyKOBhpX2jDPOqKRJpAuWS+SLBZClVD4824p9ygTiZcBxbwaU8cEAjyCa 2uXPbKBGXilA2kNzR+qF/8xymI1hRR40yB+CQbE74IADKmFHsrUPbY31HeHmsqLd9XsH78d3nFWd FZwVWtl0CTmC3iLITGRZIO/S45rAzWVOg0+zRbF8dbkAUUzkJxh8aM+MGdzc1ltvvSrDyWxhCSnZ 3GS4PGlb5Lf+4JP8tOYD0dcv/CZ/zfxw22KlZzjRNmbHWDPVoJyQdS5lZjFOP/30gZSJwfRGSPsU BGs1oc6yyOLKJcZ0HwLNF5LQZ03kGrPMMstUqw0r+URbuBErRAWZZzFCjBAGFkgDBhLF95jfpV3p LNoz1cs6ZJGVwSgYG5SrcuSTrc4N1sgt6znlSbxv3xGBRuZn1Yo8JyGfXDoQc0pJL+FEOgysYyEf w/C+Ew1l8+1vf7v2ebNr1p2YfQgGG/ou4wYlXJ/myvjOd76zknj9eDQFUDvn2iENSqO+Qf5SXM28 2CeARZmbmWuC/0KZmv3lHsPaTtnNAu5g0BDSPgVhURtCbuEdId0IHMLjf7GiWeC5xbB084tk4Z5T PnwGFQOJAYV1iN8wYkGhoGCYwuWfya2nuTHIm+u5ShCkon+wjHjXrjvEdITyVH4il3CD4N9NaTPd K6qJ7c1Nj3P9EC2G8sZKNwwL07ybeqeIIh7TkXjPLpSfGQR9iT9zrIeDDbKRksq6biaUdVy/JfNm tw8wmFDgrO9gwSd7g/9CuVprxY2UHLUWhcuR/hMEg4KQ9ikIlm2L8UyJEsot5ixLNyu2HS/5RiJu rLAiSyByzs8tIBIsquJmc4UwTcnqjrzzB+ZWw9LKUshNQqQEU/38M/kKI6BjsbaOBYS3tJpbyaCD a5IZi8UWW6yG+bPoUPmxzBmguR1R4CxMQ+iVKyJvdmVuuGyMByHpEwezFtrzRJcpUmMBM7ejJmuC WYO6sajfzCM5zW2Qe+FErYWQPr93s6sWXxsDgv8D4wDXTYvSuclwRzJLGTkUDApC2qcgDMxIcK9f uEHVolCh50yVI/QGXL68fOBHiwM9p0A4cuEwsJgF4DLD590gZjGhha0sRPwzEVIh9Gxsw6JsIevs zhZYpMcaJQQYf2kLElnzB6FsRoJ3tsBQpAhb2isrSo3IMPxa20JTi4AtXuM2hbRTggadtAeDDSQd qdG2KP+swcGsgeyzkJphhZX3hS98YTWmTPTCYbNyG2ywwX2ENLg/zEoZe2xQZqaD/78IUkEwCAhp n0ZA0oW847PHXYLbCRgsWJUHyZqATNooR2QEFuO2wQ2/bQSUP7yZBC4fBiBTyQQtgkrour9Zyb0X KyMlBskYyXrOzcb0qCgNtu+Xno10+H7aNl75WdQ4aC4lFArWOQunkHSzJ8IdUtLMniD1Zl8sWqOI WKSm/MxsZMFvMCvQ5rQtFnZubHykxYM3K8ZaGYwPZBTjSSPslG/rjvTbXpBfZBUyPyvrkMgHVnbK PZep4P4g340DlCZuMjabs3/CrJR1EEw0QtqnCQwKiKfIATZ7MQU4yNZjIDxZOFrkD4ONBaxcYQxa SAPLlEg4SL2BjrWZZQR5dy2iahbBdZQA1njptV0CmwsMks9dxNb3hDQ/UlPTXEooOlxMrA8QJ5kV 3nT1oBBeg4kZE+sWKBVmWUZSwORZ2TlC2IPxQD/R58xEWSdD+dNnrIehONvESr+xiDxuMuOD2UUz FRQfh5nDkaL8UMaVMXneDC/jAZcY8tLMpWhKwf+CHBXdzOZoD37wg+usrjoKgrmNkPZpAtYvvuB2 ZmTJ4Qc+VYB8s4yYoucqYyErNxAWc/7xIgIQwPzfDYx84RsBF8ucCwwrNUu+3QX5+x900EE1bKLB k3Vf3GOE3kJZAhxRMfgR5Il7HUxlUAIpqRResfD1HbJERCrRTIRyZRVG2B/zmMfURe4s8MHYQIG2 GReDikgxNqQzU9YPFHSyzhoVro4MCL2gsI80mwis62QZQ4Q6Df4XypCRZ6uttqqkfbnllqttfHYX pao/Cu1Is7XOM6Y41KF8+M8xkiFmJGhXAjcYH90/VujvjFhmeRiCpCO/431+MDkIaZ8G0GHtiMqF hABiORY2bCqBkGOBMo2JrPN7Z02ykNV3ri78vE0/+5+fPH941iaWeQMYKz1XHIthWbkIO5/cYpQf Ei+9tkDWc0R14KbD+jinou8EwZyCAdwslQXglFUb9lBqm9uYwyxYsxRbPGnGy0L4YGywDsAeGg9/ +MPrQnFK0EikjoGAy+Diiy9elSRl34BUkVdmEZG1kUgWP3b+7HauntkGbNMZCDp3Q8rUAx/4wDrr aj3AeAhwL8yMMPao897ZKPWFKHN1NKtMIbOJnBljilabITYLMLM8SNtsmLaiPY1l7ZI0jaHalBk0 a55EMTKjQwZoW9pfUypmpxyCWUdI+zQANxiEkxXHdB/rM0I6FcEqwKed4GE9Rzb4wFvQRRASZAQx azuSbuBjtUJC7OTKutJvap+wsiAVeeeOw3eX33sj/xZ2WgyK4MfyHkwVsLTZpE0fefGLX1ytuxRV 5EXI2F133bVGLkIKEHUuZVxlDPixzM0cyA95tOyyy9Yt9O3YO9qiR8SJkYGLI+NDiyOO5JM96sIa A0aZfqRKnTBsmFE0Kxmf9tGhvM26WgdGqTIL0sp8vDCuIMMMQ9xTpd2F+jJ2GasZk1xnVssMsk0R GZ7cp25HUuoazIyZIV5xxRVr0IaZ7XmiXQgHq+0wYLmHEm5cM8ssqAFlwwwaAxWlg+upPR9Gc8cM Jh4h7dMAOhU3Dzsi2gJ7ukQMYPkmGFk32sJUwsX/hA7yvc8++1RXF4SDoJuZ8Gn3GyCFYmN9NIMh zKJPJMb/FpUZkINgmMGtzvoQM1QIBDKOAJApSLsFjf43eLPuUpC5o7EOxhI3cyg3Mghhf8pTnlJJ 92hKP4un2Q5x1u1rwUihLrj4cVkSbQvhYq3tJ8tYcrkKklfcARGwYHQoSyF0H/KQh5QnPelJlVSP xXLdC1Zss73LLLNMdU/qJf/qy7jC7UyELwclwSZPZnfNYCHuggmM5v4kHbPFZggspDXTPDPSTjk/ 6aSTyvrrr1+VboqCGPWMW5Q7Ri1uWdofyzu3OFZ89+ATmWWecwhpn+IwcBp4uXIg7eLz0phnpqlP dRB6BjDW82YtGA/cb7YCOTFzwY9+qaWWqovICD0DKEXAVOacAAXBs7yLAWW6128wMUAKKaCIC9LR fHoN0izurO9IjOvIGlZiFjttcGYKcFBqWbGYI1dI1nnnnTdquXFXQLiFIkSkzBya9eCmRIEie5Cp kSL4cLkwO8i95pBDDplj8mmYQbaykDPKqCezFNaEafPjgVlcu1Uj/0Iu2xywF+S3+qT8mvn12WZ2 zcLoa4j9aG0EQae4UQTNyGgbM1My9G/uUta8cX+zLwrXHBv0idDGAo+wGy/NWFMszFTb0E87mplS EEwcQtqnMER6QCpZymjtpveWXHLJamkxLdovnFgwfiAqojmworCIcLmxqx4Lh63IWbMmgsBIg3LR 677D/YkiRsibxiRo+T82H8RYPINZBeW034yRaXIWYm4zLG9pY7MGM37INp9pn36PBDMZZAwy5nok 3/ok1lizHRbas46SN/3qA8k0C8JNkrWX29NoFtvg/6DszMgaP226RPERPWk8xh6W6pVWWqkSf+E2 KcO9YGxpM8SIsKMpwhYn+xxNWSDvLWoWbMJGewInaFMz658UCm6eSLsxzIyP/JpNkx6+4LlkgTxx 09GGuA2RA72uPsHkIaR9CgIZR9oIGb5xOiMiqZM961nPqhq16W7+3jp0BPfsgzAjULkPIM783Vlk Vl111epbaPq6H/kZKwhdPoSUAwtfTa02azqLCJ9HoSrFFjaVa3BnlTEw8+83QBj0WVxYSxH9ftZ4 /3sP+eU7yboaq33QC4M4yx8L4Gg+2MHIoISzWrLgzjfffNVlwt4J/UBG6/euNWPKV5mVk8V8+eWX r255rO6jhfE1JoiGssgii9ToWqyrwdhBUeUO+bCHPazWl8XD+sFYDDJkqDVWT33qU2swCP7qk9Fv GOksMqZYGOs9s98arV5od4i49mHm58ADD6z8wIyCCEMMgA04Az93CoxnIfcZI+YcQtqnCHRMU2uE iKmsHXfcsbrCCFW1zjrrVCGNPHKTMa1K4JiqQ/a4cYwm7IOxQzm2ejBFyV2GcKM8mWJ1blYg1jyh yrJmWvLII4+sETs8z3Q4ywqfWBYg1k9+iCwm6thv5IplyJSswYfgFaPZ967lhgIgbUqHAYplDhmg CMaaGgBrHouuwd30PfLRrHDB2EFmU6qRbjHu9TnuB/1AeUb0WDaf97znVVmg3yP6z33ucyt54kZB 4aaY9xpiWG+5NCByiJnZkcj88UGZMoBYbG2mQ1AHriNjId/WS1lAbDdy44EZ2Ikuf8YYBiMRnMzG yNtY4/ibMWAIMkbwVxfa9Wtf+1pV9Pi7U0ya4ejQQw8tq6++ep1N1n6NDUj7RMwmBzNHSPuQQ0cx NSWqCUGOjFtsisD5NLDqyLRh02umTk2FscJbtMQP2xQaP7poyxMHAo6l2kIeAk50CCTaQDveRaqE JquHgZnlniKm7kSBUJcWlBn4KQYWwXKH0hZYQ/gcs85x1eHbyI1GO3CdKXVtQ9sh3A0sXGwQf/ew 2lv8hPRbcITwZ6Cf3kAIERdyhXsGC6/41VyyKHfZDXXsoOjof09+8pOrj7rZz5EIoH6rPyKKrmMZ RZb0f4o190czqgwFiFevrzqLvvvtXEvhSoSrWYM6s7+HWQ5uLuQugjuaXDRGk7GULf7sfMYZdSYa fM4Za+TL2C/U43ggn97POEB51Ba7a1OQegEtnv/859dxhTUesacAGuvGuy4smDWEtA85WEz5qLPA InSmTblJsMbycbSym3W3S8h1Qh2S35oOyM9ut912qwNDhPnEQTkbXClIBLV6IewMuqYdkWCEfDRl yWJX0+LIkVBcZkr4Q1IE2m91LxSf+mNtIXhZ0CliyLaFQgZ2RB1hlyfPp1CYfXGe5ceCWpEpKAdm Y/gq8rN9+tOfXmdtWG64zUyUckdxiXV2OIAEGpi1ZQTRAje+0doepdEnC642ZLGjQV87DEaGvqrf cZlYeOGFqwWz38JQcoQcZ1zRN83YtVmvJmMo9c4zDFAEuhZWs3RmVBlyRvKlDsYOiinjBrmIIJPp CPJIY6d+YNG2jceQdm5l6owc7daj7z5nBWZtKGOiCnHfEXFmpFmbWQHyru+32XuzQgxQoswYe5TH WGYcgtlHSPuQAtnhk4jMLbHEEtVPkXWUQDC9ZeAkuEcjRSz0YgTr4Pzc+UGzlkVjnliwiCHQLSSb KWrKkvBdBm3huRAig6trTcM6fDdAI9diBbNomCbn125GheWMZcUOlFb7t8geDaw/lALCm5WEO03z aTfNqa7Fr0cWKBWUPq5UCD6FopF7lnZuPgYn7WV2yJiByeDGmiN0mRkg7x3yPpggCyh63GAM1KyF wt4tuuiiVd6Y8qc4ahuLLbZYHdQpk9yxRDqhPPa6agT/hXKxBoZ7S1vQp7/2ApHTX81mKNN+i/4Q SZFnECvyRB+XfrOOegZ3Bop7ZstmH2QpuUxx5aNOmVKX/WQjMssoNs8889RrkVzXmiXhosjq7pMc nBXZqn0YPyhk0scFyHRtRnsia3EBCuFY/Nv7ga88gw63G2vjjD9mdvEGBkJGHu/RlJBg8hDSPoTQ 8RAuZNtAaQDVeWzuw/1lPKQbidPZWGcIEwOHhSez2rmD/jCAEqJW4hN4plVZ2FZZZZXqjmLxKGJO 2VL2BmFTjwYGpIhLQhtsCWKDr7oyy2IAGKvvYoP8SM8sjEFeBAqEHTEzgDTwhTW1K2+sKohBr3Iw ViDrNg9p5MKzDATezwAW96zBAgJB2WQYQNa1VYoiJU7b4yagrThYesmPtrmSTzKJAmg2MHXbH6ze yNajHvWo2hf6hQEEMp0ST16PRIya3FBvvqsXShXlStr8j+O+NHGw/ocMszBYZDbuSf0iyrQFrBav ssxToPQpRhwznWaqGF642cxK6ET1bR0bK7v0KdXypU9a52D2Sz9koLHmYbzEWt+lLFLIRaShFDAU mtW3poKhkAxnYIpCOPkIaR8y0KqRbD6l/CCRdgIA2SPUrfJmjTUYiOdKe6fpI2dcLQiU3k7rN6uq jm2KWwdkXYvWPPFQP0hwG0wJWnXIeiF2L0LL6tymvFlMWNa7O9hqA+oTGaKkIdazOq0K8uS5rP4+ e3fLlR/WGm2KcjBeAmZQcS+rPfJvkDJDYFtwsw78L1lqWAWDwYD6pmAi3vygEQ2KHRLADYulUb1S /hzaEGufmRg7KSIpiCK3GW56FNbgf6HckDcLUckCxHp25a66EarPmhbKFjLJSo/wBxMH7Z6BS7/g 3oS4k2vWDzjXIGoXN8Um71zD1ZBPOHLNpYkhx2zWrJB2476ZLWsjkGruKxRoRhbjjPVM0ucGqY+O t32R/8YFFnUuPhbhUg6QdzumcpOxXsq4FvfayUdI+5ABIaedI+w6kIgCiBshQVgTzoiezqrTWpDY NG6DMIstIdJL8vxmmTG1LeKIewwowcSDFQyJsWCU8EZilTulqSlLLGKXXHJJJUgjRZxx3eyQ9S4I W8Lf50hp+n+sAt+1SAIijkCYMWChRSAMUiyxBjuHNRWIuzaHCAZzF2ZSyAuWNX7QXKf8ZgWm0I2k tKlzCiTiYVEcl60dd9yxroswCzirMzRTGWQBC6uAAPydGWNaiD3nZgZ1oVz1XfKfvDD7ZrM3ihbC xkraq4gHEwPlz3jCcCZqyyMf+cja5rvkGOklBwUO0I9Y47m2uoZ1mjurcVufmRXSyxCHVGs76hxh J0sZe8heygCfes9g9R/vmOF6vEMIYTumWs9CQaCEiEhE0fRuZlG7ykowOQhpHyKYehJ31Y54NF1+ dN1V6EI3IkH8pflO68Q0eRbcNr2NHCKD/ToXwqRzr7nmmtVKkwVLkwvlbSZEWC0KE8HeSKsBG+kd 1ulGebc4SzQLFhouE9wAhJMk6BF4yqf2rE3yDWWBstA1mLvgqoSoC09nYDYgz4oCj0wa0M3esbzz ix2vlW+qAyHS9ynuyBCXOVZRC/u4JlGAyALyGkFEAMkE/skImLpCzpBBMxoIW9uKnuGG1TeK8OSD DFf2XGXIMrKtO1utnpty1Yh5+4+7I6VK3c4qpMtl1kwXHqBtSJfBRxviFmP2bFbHE+3P+MQljjHQ jCkXTfyDsmFmmMIeTD5C2ocINHoC3RSYWK809NbRm/A3NU3rN13Gb9iUGDcMJN+BQBHkIw2eFjsi /AZtEQuCyYe6Ux8+pwoMGoQ71woKo2lUllcDCKLBGkUxJPTNOPDxZ7055phjMsMzF6HezP5w17Jw UZ3NjuKovvnUcrNhEJjIiBZTBdo7S6nFivoLVwuGGVF6hGU1S0FxsnbFTCkZTfabUbUYkBuSQ/QY ijH/aJHBWD5nhwgGYweFysJ6BjKLNckyLn9cVOcUmkInL71jyUSMLcYoxJzV3UEZ9EzPm2rj1yAj pH1IwLJisajpatOoSE/XEq7DsG6aIjVQcoEhMLjEcEmwc56Fhiw4OtxIMG1nIybuCxZCZrormBVw /xG1gpKJtHGtaO4RLEJ8nREOrl2u1Z759psZim/73IFB2LS6BWbII+ttq7ORQO6QEQbvfrLCeUoa S7tFa2ZfDPLB/0EZcXHQD8h47ok2S6PIqgcznyzn+pJFfyzoZlFF7HHO4mAzrNakiMaErFMEQqLm LPQB7i5mp0RxMVZbH0bGjWQkC4LxIqR9CEAYsLCIMsLKTpCbmhrN51FYMP5sLDX83n3ypUPoRxMg yBXSzjfOoD2s7hnB3AXSwNUFQe8qiYgha7rwkmaEtEftmLWdi4AZIlO5wZyHWQ8ud3xzzYIwAMwM ZImpeW5e1mH0I4oMDqJbsALz356ZIjCdwYWBRZ3/MHJuxpNbo42srA3gdkEJ1k8sZOQSQ06bPVVf UYjmLliiuZAYP+edd966VsHMlVlwsk//iDIVzA5C2ocArObcXsTytULdNKpp7H7gL2chE9cEAp+/ sIUoY9X2hf9jkbcC3Yr3WVkYE0wsmqAfJmEvryyvvdZXfs1mfrQv5KP5QSLvfDENbnGPmfNg6eW+ wu2OOxMFfyztzTUIe9vyvJ+Mofjzu+YuQDmLj/XoQLwpNpRdMxOCCSDn3B1ZcrlJUmyRdH7LZHTI +uCAHzlFyuwIH3euMmZG7BxMMVZnwyTLg8FCSPsQwKCIfLcYrBabjETA+YyK1MEdxgDMym4AJuil QwEwiDZftC6E83OvBVEGbgNxBoO5D3Xd3A+GWdhrS3bt4y8tMkmXGPr0jqzuGdDmPPR9+z40X9x+ G/j0gzZJEePWQV70xqgGSphwn4inGUP1HIwNyhPJI7fNWCDzkcmDD7NPovZYhM3YJqqMGRPuMhZu RsYFs4qQ9iEAIm73TKTdzpT8FkcCf2D+ozZcMjXH5UAIMJZ3G6JYoGQqlRuMQaCB9Yv/+1prrVW3 Z3Yt63ww92GQZk2jbPXzGx4W2C9A22R9MtVvc5JgMMBKLhSn8JsivoxGDClWiCR3GGQSEefKwQWm X3hS8otLFIOA/SSCYDrAmGqBMWXYZkSMYYxvlNwgmFWEtA8BhIOyqI+2ztJuZ7ORYBAVRk8EATF6 +UDutddeNbKAxX/veMc76oIlxL2RdlYB91jQxArKOm8QH81nPphzQNSRdscwk3bRiEQkWXDBBcve e++d3RkHBMgFFzqzHxagjxQ1ipywTkFEGTKECwBrosWrFhLbJEjot15YGImw8+210D0IpguMofoM w5lF9lxORwsEEQQzQ0j7EIDVy8JTfsCIO6sWct4PXClYwWzcwALGT5hlnlsCaxdrGL9SER0MwqbF LZwR29eGTfyNDdpj8X8P5gya64hjmKdVWXAphWaAtLlM8w8GzM6J7MISyCrYj3ibJVF/Iv6IbmIv CFP/ZBGjgPUziHm/e8kioWcRFmsXgmA6wVhqgTG3GO0/7mHB7CCkfUjAJ53l3C6odo9Ewme2yx2r LIGBHLmW4GD1MkUtpqxFTnbhFLsdkWIFRaay+DSYDPB7tvW16EcURwOYQ6jSYO6BYs8tju8tct27 UNSMHGs6ss59xrVm7czmWSBvNk98agtZGQK6kJYoVjZj4SqQaFRBEASzjpD2IYEFSDbYEAPW4Goa G/Fh2eJHipQbIBEgC78MtA7nWNNFGmBRs3rdgjHT4fzWWcuscmdh43YzkgU/CGYFTWFkZRJL2kyR NRMWO55wwgnVzcL22qaQtdN+CxmDyQPF/utf/3p1jVEvXF56XbDMvCHllC1RMMzWkSH+F20KIbd5 kvUyXYXfrJBt9YX2FF88rjFBEASzh5D2IQISzk2GlUvcXjvm8ZXjj27wvOSSS6pLjKgcQqwh+a4X aoprjMHVIYqD3fQsThW/HYHnLhOLZzBRQNj4rJvVoVzyd2ahFQPcpjEWPdrFkdJovQU3C+4XwpVS Ltt6i2ByQalC2rm7vOAFL6hyo+uCRYkXmpOVHfk2Q+c/ihiruQ3e+KpbDyN2eLfezOyJJb7uuutW 1xkuNkEQBMGsI6R9yGD62cBqELRDHl9Si8CQHlPVLUqM7xavIkvOiT7jQNhtgW3K+oILLqhuN6zx w+wrHQwWEDpW2KOOOqoS8o033rju3mh2iKWWlV07RfZ852ZhMx/WWHsQIIcsvkhfMLngX0vJt3Eb IwBS3kAmMAJQrl7xildUI4D9Ifios5qb0RNGVv3Zdt/i4hY9xgI81nhRgl760pfWkI+ZRQmCIJg9 hLQPIQx+NtdgwWyE3IDJio4MIes24kDOkR+Wdj7woj5wQ7B6HfnPIBpMJLQnYULtevna1762WtTt FWCzLqHOuMPwn77qqqvq2oorr7yyEkD/aZtmgyyEXmyxxcraa69d08lGS5MLpJ2lHWnfZpttqjtL g/Uw9oRQF2ZG1Afizj3GrIhQjuSQhags9TYB0gaQfXKGQobsH3vssVHAgiAIJgAh7UMMVi0xX7/9 7W9X4sM9xmHARIpYwRz83i34E1UmRD2YDLCssq7vscceZdVVV61uMGITs94i685pg65D6trMDmKo TVIi7R2A+LlfWEhE0YxQ7+LGYOLQSLtF6GZEuntAqCOLRxFvrjNmQvitW6zOIm83W3WDwHO3Y5W3 roYV3m9+8Gb8KHKtvoMgCIJZR0j7FAC/VINvOxKuMZiTsHCRhdZiZouk55lnnhplhPsLIse3fSyk zTUUTJbc9dZbr+5JwLWCFd5C7GDioczVEWt6W4jalR9m5T772c9W33Szd5Sva665phL2BtdYu8B4 YDG7XR8tTKXAMSIMG2GX33YEQRAMEkLagyCYLbCsctFiXX/wgx9ct+vm6sJ9oh+QQgsWWWAtOu11 gTGDhDxK52EPe1i11mcXwcmDGQ5WceE4RfhRJ13CynqOmKuXLqH3XbQYkakshLco3g7MQtMi7mef ffbQuTd5b7NBFtlmH4EgCAYNIe1BEMwyWMatp1h44YXLvPPOW90suFBYsDgSzAaJEsN6yxprYXWv JZ0PtDUa3GRs+iPGe6IbTQ6UqwhS1h4I/ajcL7vssrqguM3cOZBYZNbMiXq3iN1eD9yfxGq3QZOF xNxlnHP/sMGsESWlRceJtT0IgkFCSHsPCG2DU9eiFATB/8IaiY985CN1Yy4uMUL7CTHaIojoQ2Kv s7h33SkQQZFFuGQg+7vvvnu55ZZbZpz9P1ikKjrSIx7xiLqXgGhHsX5ODljLKUaIu83bRKRCxvm7 X3TRRXXNDGs69xd1LgqVRfCu4wrzjne8o/7PRUa7GFZos8i6GQTtNAiCYJAQ0t4BqwqLn8VVhHas LEHQH6yRCBzi/aAHPahuvGPXzK47BGslK7r43fzSG5mnGLPGiizzgAc8oLpT9IsugjyJWLLiiitW izuSSAkIJgdmRywcXXPNNeuaBGE6uc284Q1vqKSccsWSzoVGdCAx9h2s7OqZ4jUVlCpyvx1BEASD hJD2DpAJxKLtMhprexD8L/QLCxIRNi4xosQceeSR/0O8WVzFahfDmxUeAdevRJGxXT4feItN+b93 LfFdIJL85Zu1XWSkYHKApFpnQPkSK1/UGJZ34RxZ09/5znfWcLLOCycrlCxlzIxINsMKgiCYfIS0 d4C0sxQiH6yEIe1B8L/QP2zaJVLMfPPNV3beeee6eLEXZq2Qu+WWW65a1BH3o48+uh6suE972tPq vT/72c9GtGpyURArHPFfY401qruGfhpMHsi+X/ziF+WrX/1qDcFpR1QRZCwsvfzyy+9blJq9HoIg COYsQto7QBxM74oegBhkejQI7g/9wuJDBBwRF+EFuRuJSNt85+CDDy7PeMYzylOe8pQa7/slL3lJ jcX+ute9rvqp62+j4dJLL627cnLbsFHPMPtMDwvIPoScEYMVnQLmN/kYuRgEQTB3ENIeBMGYwaec lX2BBRaovuz8m7mTjQYLUcVe57uOqL/1rW+t7jEWOI4l/jqXDVvl8213769//esZZ4IgCIJg+iCk PQiCMePKK6+s/s2s7CznH/3oR+ui1F6wyrbIMRYouo9ry+mnn1532bRBz1jh3u23374suuiidQHk VVddNeNMEARBEEwfhLQHQTBm2OTILqUPfOADq6uLbe/7rf3g9/zFL36xLkS1cJELzVe+8pUacQZp t3hRvO+ZhdXjisEib4dUm//ss88+fcNDBkEQBMFUR0h7EARjBtK+0UYblYc+9KF1p1Kb6PQC0ba4 dN999y0bb7xxDRvYwgWymItKwlXm5JNPLjfddNOMu/qDv7tFkGKHCy/JWp/42UEQBMF0REh7EARj Bgv5pptuWqPGCPl4xRVXzDhzf/A7t9kOX/S99tqrhgp805veVJZeeum6EROf+D333LMuVB0NzYd+ 9dVXr/HAWfCDIAiCYDoipD0IgjGDZX2LLbYoD37wg8sLX/jC8p3vfOd/oon4LWygBaQs7sIHcnGx OZKY7qz0wkDagZOLzEiQzve+971q0Rej3W6rM4s0EwRBEARTFSHtQRCMGSzoXFyQdi4rNtfptwtm l8j/8Y9/LJ/5zGfqAtbnPve5lfQL3Sit0XbQFAvcbqqew6XmBz/4wYwzQRAEQTD9ENIeBMGYIRqM Le0f9rCHlaWWWqr6pd9zzz0zzt4ffM9tunTCCSdUos6tRsx21vPeiDP9rPViuK+//vpl4YUXrqEe r7766hlng4mEGPt/+9vfaj321kMQBEEwOAhpD4JgzGA133///ctjHvOYSqbtltkv5CM3lh/96EfV b32ZZZYpT3rSk8qOO+5Yd9W84YYbagSYG2+8sVrThYfsJYvOc6eZf/75q0sN4n/XXXfNOBtMJFp4 Tq5Ko818BEEQBHMXIe1BEIwZCLrY7Ej4Qx7ykLrQtF8EmD/84Q/l6KOPLk972tNqTPcFF1ywbLPN NuWII46oYSBZ3I888sjqXnPdddfNuOu/8AzhIu226t4tt9yyXHbZZbECTxJY2NUhRSmReYIgCAYX Ie1BEIwZYrKfc845ZbXVVquE+nnPe16Nu87Fogsk8Jhjjinrrrtu9Ul/yUteUjdG2m677ap/ujCQ b3vb28rHPvax+yLIIIz83D/1qU+VTTbZpEaYWXnllasLzt13312vCSYeyv3Pf/5zncnorccgCIJg cBDSHgTBuMC3fJdddqnuMU94whPKzjvvXKPDcJ1pllruMSLNsKSfeuqp9TjxxBPL4YcfXheXIuun nXZaOffcc+sOp3ZIpQwI60ghePzjH1+e/exnV6t8wjxOLsxgIOsUssxmBEEQDC5C2oMgGBf4QCPp FqQuu+yy1edcWEaknBsLN4u//vWv9WDB5SvNBUbox0svvbTGer/yyivLxRdfXHdIFc+d7zvr+gor rFCe8Yxn1F1X+ctn8WkQBEEQ/Bch7UEQjBss6T/+8Y8r2ebCgmhvvvnmZe+9964k/HOf+1zdvfTC Cy+sUWB8Z3Xnq46of+ITnyjvfe97q5/7euutdx9Z33DDDetC12984xt1wSrrbxAEQRAEIe1BEMwi uFRwgRFz3YLU17/+9ZWEv/zlL6/hHbfeeuvyhje8oey00041tjtSv9lmm9Xj+c9/fll++eWrpd5u p+5B+L/yla9Uss6aHwRBEATB/yGkPQiCWQZLOHeYK664olrVP/7xj5fdd9+9xmXfeOONK3FH5i1A 5f6y0UYbVULvu2uQfZZ5i1ntoCpeeBAEQRAE/4uQ9iAIZhsWMIrxffvtt1e/de4xYqt/8pOfrC4x n//852tUGKT+lFNOqb8R9V/+8pflzjvvTHzwIAiCIJgJQtqDIJhQcJsRa/2OO+6oC1F9dyDnDuEb LVJNTPAgCIIgGDtC2oMgCIIgCIJgwBHSHgRBEARBEAQDjpD2IAiCIAiCIBhwhLQHQRAEQRAEwYAj pD0IgiAIgiAIBhwh7UEQBEEQBEEw4AhpD4IgCIIgCIIBx1wh7W0jFnGa7agYBEEQBEEQBMHImCuk 3eYrtiu3wUp2QgyCIAiCIAiC0TFXSDvr+t///vdyzz33VAIfBEEQBEEQBMHImGvuMe0IgiAIgiAI gmB0DN1CVESfdd4R0h8EQRAEwXRAOE8wVKT9z3/+c7nyyivLz372s/KnP/0pDTgIpgmsfbn99tvL H//4x7oWJn0/CILpALIP3/n1r39duc+NN95Yg3gE0xNDQ9r5wF900UXloIMOKsccc0z57W9/O+NM EARTGZT1H/zgB+XjH/94+cQnPlEuv/zycu+99844GwRBMHVxxx13lPPPP78ceOCBZddddy2nnXZa ueWWW2acDaYbhoa0s7K9733vKyuttFLZcsst6yBOA22uMg6/u8dI/1kIy1I31mM810O//0c6xpsX x8zu6c1DQ/vt/pZGQzvX/a9htHPjxUSlE0wPsCh973vfK29/+9vLM5/5zLLOOuuUj33sY5XIB0EQ THX84Q9/KB/4wAfKCiusUBZddNEqC3/zm9/MOBtMNwwNaf/9739fdtppp/LQhz60LLfccrURf+c7 36nk3WFg9/u73/1utch/+9vfvu/7t771rXLuueeWCy+8sF5rikmjv+aaa8rVV19drfY+2+/2X/vf td3f3Wu756677rqaT5/dNPod7b5uWt1z3eNXv/rV/X6bJvPZ7u8e0vL83/3ud+X6668vN9xwQ/19 7bXX1uvdy8XIIQ3XyLN7nfPpNzcE2rz72zlpEyDO+TRN59PUXXNd8Nt97f726Vp5kpbPm266qdx8 8833lVdLy/++O+fedr//Xetw3a233lpuu+22ep3rnZePv/zlLzWc6N13313zdOedd9bvPv1u9/l0 tGtYMzxH+tJzrt3ruOuuu+pvrhkt8pHvnuccEuk6JJNy6Lz/233tPAuxaxy+S8OzHfLdlEqfnuO/ dkjTf843uM7/7XzLj0/5oCD59Fs+fHq2NPzfvrtOWu357Xx7T9/bdb3wn3Tkzf1+t6OhpTteKJeT Tz65rLHGGuUBD3hAWWCBBcp+++1X6zoIgmCqg/z96Ec/WhZbbLHy6Ec/uuy55551jAqmJ4aGtCON r3nNa8q8885bFllkkbLVVluV3Xffvey999718P0d73hH/XznO99ZtdFddtmlvO1tbytveMMbyo47 7lje8pa3lN12260O+kj/8ccfX0444YTaIXx+5CMfqceJJ55Y/3Pe95NOOql++v3hD3+4uucce+yx 913nP4frTjnllGoJdG1Lr91/3HHH1cOzHKb6P/OZz5RPfepT9z1feg7XO9rz3Nee57Ol6T7XeB9H yxtXgs9+9rPl05/+dE336KOPLh/84AfrOd+PPPLIer1z0pC+80cddVT97j55c861hx9+eE0bgXJO 3r2n35///OfLGWecUaft/G7HJz/5yXqdQ16l79nSV07S9x7yJC3Xu07ePUO5OFznXCuzL3zhC+Wb 3/xmPTzbec/+4he/WL72ta+V8847r5x99tnlzDPPLOecc05V3i644ILypS99qabb3s3hnq9+9av1 Pum2PEv361//ek3H4bzrpH3JJZdUZdCUpfSda8+mLDrnnrPOOqt84xvfqPedfvrp5ctf/vJ9yqOD kimNr3zlK/V+z3PvpZdeWg/5pnC6pimevv/oRz+6T4FznXOeK1/eUzqOiy++uPz0pz+t13ue66Tp 909+8pP6+eMf/7gqcL/4xS/q93ZQbB2UXHn6/ve/X58lPc+lfP3yl78sV1111X3XOaRFQXSN875T 0nx3jpLYlLymPFG8KF0UNCS9KR3OyaMZttVWW63MM888Zf7556/9WHpdpUd6DspR++07RaUpTU1x 6io47Zy8UNrkrfu7KbwURel2r2tpSUd6LT/+d7Rn++5/11JsHH63Z0u3XdeUvPbbIX3XS9+9FChK kE//tffxnfLUlC/fnXO0/326tl3fjvZfu7738PxuHqTVlDKf8tLereWxq+S18z7b4Zx02j1+t/+6 6Y8E56XjnboKYUtnTmNuPDPoj7HWRT9DxMzaTzs/khFjZuhNv/3u/b9BXzBGMFw873nPq2OJfhhM TwwFadeQf/jDH5ZNN920POQhDylLLbVU2XbbbStJ33nnncub3vSmSsq333778vrXv77ssMMO5XWv e1157WtfW175yleWLbbYorzqVa+q92y++eZlk002KVtvvXUl8+5H8H1Kw39IP8LvP9/f/e53V7LP 0r/ddtuVl7/85WWbbbap5/iYuc//nu2eN7/5zeWNb3xjvf6tb31r2WOPPaoy4T/pe5779t1330pI fFIu3Os5rqdN+5SG9J1v/7/nPe8pe+21V73Ws7ybPHnPl73sZfUTsdlnn33qc/zecMMNa57lR5rK qt2nTJSXcnP/BhtsUF7xilfU67kibbzxxvX+9t7K1Hn3e29Hu//Vr351vce1L33pS+u9m222WX2G +vPdva2upKU+KGEOz/efunOtc54pXb/d9973vre8//3vr+sbvJ/y1BbkQR1rD97T/66ldBx66KG1 rOTDoUwcrd7c302j1VOrF3Xn/fxu5e/ZniNP8uw+ZdvKt7UH31u9+C4d56Tv8KxWrs5JU3tR356n Lv0nbxRX/zclTR1L413velc5+OCDa968p3S8j7ZFSXXdAQccUA455JBabvvvv3/1kaSkUfqOOOKI +tv/rlO+H/rQh+5rny0vnuNaSpw0pS0917jPPRQfyqAyl35T3ChtntUUPYcBiHJJUaO4UaQoHJQQ ShAFz/sZsOabb77a/1/ykpdUxYsSYYbNddL43Oc+Vwc3Cpw8SJ/yRNGhwFGaKC984ikmnkGxojDJ B6WOkuU3pduz5ZuiTHmkJFKcWn4pYxQaaTZlrSlxDnmRpuf6Lm3XUG4of/6n7LqmKaHSdG1TOClh DspWU+YcV1xxRVW8pOfZFEBlcdlll9WZOTNkZtYobsqA0kWRomBR7ihDFDBl0Q4yVlqUuzZr2ZS9 9tszXPfzn/+8KjNmpjxHuvLjkDdKoINyxyro2f53nf8pXe0/acpPS889Dt8pSG1WjOJEsaPo+N/9 0pIXyqP7He41K0gRpGgg9pShNqtIEWqKis9eRcf/rqegNeVMOk2BoRC2fFCofKeQehfl3pSbpghR SPz2v9+e4fC//5rSJm3X+fT8dr3Dd891rWvc265zb8uTcpLndr938M4+/fa/69qspk/3Sqvlye9W hsqM4upTGvLi+a18pKHMXePZyqObP2XkWt+dk3/lKR3/yat0ugqq+9shnZYv93hXz1H/0m158U5N +ZdvbaPlWZrdfLf3127JAe2n5UFZNWOE756n3JzzXPe4XrtT567V31zPsMhAoSzab3lSnu713XPl zb3yKT390NHasjRbX/AO+tRhhx1WnvWsZ9UxkGzxvzrynNafpK+sgqmNoSDthKnBct111y2PfOQj a8NlqTXIGfQMuAZsnw6DNaupwdugawD3/dRTT62kohEZ5AORaFZmHQNZYdF1uNaA3aznrkFQEGf3 N4t3IzwIETLjQBRb2vJgkGdllj5C4Lc8GaTli7UZoWkWZyTBZ7OMy4/fCI/rkRvXIkXIEzLloGwg k57TiJLfiB9SJR3vhPB5B2QQGZN3eUYWEUskFVmSHvJHQaEk+JRWUzCa4uA/59zj3kYwEVkE0nnP cb3yk1cE02/nPENe3OuZ/nc/Mtvy4TokXPkpB2WLVCp/BNF1nocQe2fE2v9tJgLx9G4UAvlr7+m5 ZmvUofQbYXZIR94aeXbIi3dwnXu9n7y2g4LRCLhyonRRZJqiQJlpykgj9q5F7BHSppx4HwqAc4g9 pYYS5Leyk1dl7hp58a7qVF6l6x5pew/vpk0oK+/qHSijyg/ZVx/tfZ2Tvjbh8Bz5kWeKmjJQfk2x 8zxl7Z7WDqUjn65rZJ5C0J6rr8mL5/ve8uQ99B9tWx/xXX1xiXvwgx9cFlpooaoQaqv6ur6gbj1f +tLUdjzbf63/6kPe028yg4xoioX8yYO+4ZnKUP2pR2l4f+/UZqHUPWXPc7yXGSjl61rXeT9l4bdy 0D9aX9CWyBDPcN598iztbj2QUd5LnsgAefUpn87Jt7KRjvf2KZ/SJpMoCGSm+z1Tnr27c9L1SflQ zuSEsnRe2g7lq268h9/kiOd7rjzLr+v1Q8/wWz+TlsO18qdsyDny2LPcQ465Rj9ude9ZFDEKTFN0 HBQ4igNZ71mu8T/5p0zIySZbPU8+pOvwjpQyigwFSP4cbVbMO2sLFBVKC2WIMkVpkkflJB3tx3P9 71p5kX/v4vmeqYz1Ne+jbcm350if0kTOS8Mz5cnhf3XkfaTjOd5deXknv6VlbPO8Nj7Iu/Sb8qhc XOt9tU/l0sYJ7VP7Vp+e4X/vpLzkVZlJV1rSlLbz2pL22dqWQ13Kn7KUR89xv+s8Q168M4XTu3kv /3luey/3eIf2W5ptBlfZNIW9KbDqw2/PlK57Wv6lq50rY/+pB//71Kea4UFdurfNQnq+67Rj/VOf 04blwb3exXv5T9m7R37Un/LQ75WHZ+gPxl993id56X5yTN9pbUi9aC+eLV+u894+yXD5aGWu/0tD Hj2DfH/Oc55TFlxwwbL66qvXa+Vdv/Fc95Od6p8S0M9aH0wdDAVpZynR6VZdddXacA1ANE3aNy26 q6W3z2ZVaNYJ//lNG6UB03SbnzbN2CettWnojmZpcA9rEe2XRkvA025ZVWjDLT1H08B1nmaBoP07 aMYtfb9p/CwNrAY0dIfn0MabJcT9Tetu/7vPPf5rmn+zcjVLnHdxr+exjLGuyZd7WrryyhLn8F7e l+WBcGOdZF1joWMF884GP9cSos6xGPpt4CGk3eccQUvI+o+w87u5WEjD4V75crC0SadZDX1n1SMs Hc2K6D/5807eW/6bVY+lwvMJcIOFZ7q+PdM7SEeeCPqWN4f8Nytly1uzMioH59s7GUik737/G3wN 5u1/g0obgBEV7dZhMHPOINYGKkLWwCoP0nHOoOGcgUa6DgOHwVu6hL/BxbOc8+mQhnfoWnvbgO+7 91EG3s21znmmMlEefkvHYOq7cvQ/K6v05M0AYoCnrBpQDFjIgHd1jevbOxgsfboGwZKOfBi03K8s lEk7DIiIoXsMlv5r9xiUFl988erTvsoqq1SyIZ+t/qSFDCgzz3LeoClv7tcuEALl7VM+lZ1y9CyH emh1rYyRMIOjc9L0n8HXMxBMiorB3v8IqgG6KZwGb4O7AdnAauaHIvbCF76wzvJI2zXKRvryoVzk FxlAkg3s/vduPuXdeXmikHiWPPht4Pa+nkNRM/gjed7dff6nbLlOnhB75aXM5R2ZaMSnkQ314DqK o/tc7zppI6f+d633QzK8NyLhfbQR/1McKazSkR8ExvOVn0/kR37lTxrKQ36UsXdWttLThuVNO2hl 517P9yxtUXlQ5ihH/lculCXvIu/aBAWT8ux/11OCKWbSkqf2vpRSStsLXvCCOsNIOXWt8vYOCF2b CXRu/fXXL894xjPKsssuW57//OfXd1ZGlDTPRLoor66ntKsLM73yoZ0gap7XlGL3Sde1rvPpHIXe eYYCZeacfEm7Kffal+dIQ1lstNFG1bVsrbXWqml4jjRcI98vetGLqiHAfe0eRgX3WPiNJDr8NgMr z9qD8lOW0nj2s59d3TaUibKTt2ZwkD/PbIq+Z6knbUPZ6BPyoB6krf2rK/WsHNWl8lH3LU3PVS/e w3nnlIXyMZvrf2l7R/95nuerX21Uuq5TNuutt16tM/dQxLsGFe8oH/qj9qpO5desHwOLdJSZ/Ctf ZeE8i7i2gK94hmulKY+MH60OlIdyV3bPfe5z6/1rr712WXnllet/8u0d/GastJ5viSWWqOcYMNt9 nqeulCl5ji8FUxdDQ9qRIo33UY96VO3EpptmB/200bEslHMfy3/vtf73X79zk432TIeycvje8tSm F3vf2W//d89Jq01d+nSupefTFGP3nN9NIaIoOefTf+3w2/Xy0fLXO/XpcI3DOZ9NGWv/OVwvL/Lp e0vTp+dQ0NoUrLy0QxotX02xa9/btd38uN5579WucUibotWmfX06TKP6bNOgTSFzfbvGb+eaUtgU N/dKiyJGmXKOcub6NrXa0qXU+fTblK7DNdKXv5Znv52TvvP+b2XQ8ul/13qO61p6vrf8t/dqSqu8 NdcL08IUUe/hGulRqChWFCnnKZSUUeek7f6mhLrP4V39pvy6nnLpmlZeSNyKK65YSbtBGAl3jzy5 T/qe2xRfCiYFhkLXylGeXdPeQb4pqp5FwfWf69SB/yg5Duc8w7s0hZiiKQ+OpuhRHpqC1NxlKMrS oBx5B0oJAkkpopC4T7reW16lS2F1eAdlLJ+uaUqpexHaRujJRc/2DMoFYu2c/9SDgzLW/qcMuUf+ PF8evVN7P+lQUCl3nke5oZDJjzxQaig+lBzPkwefDgo2Jdk7U6ooIki4cvEc5dIUTflQJpQ8aVAa 3ONZ0vB8SpTDvRQtaVEmlKHDM5EU1/iNACtj6VEkkXmHZ1BeEELKBZKOgCO5iA6CTxFA8JFAJM1n mx1pChLrp3KkKCCu0mJAQuwQVsSTEtJm4Xx3r+sQUtcgbdJE4BBQBJXCIA3nEF73UmIQzTZb5f6W T+/hGU1hM0OjXCgTFEn3exffG/n1bJ/y4v2kYRx1jXQ813nPac/1/p7tf+XkXmXQFBwKnHy6131+ S9d/0m3Plx/3eZ53RrK9h+taGXkfxFg9NqVPvpBsypx01a/f0pUX13RnD13f0lEenkHBQbY9m8Kl /pST6+VX+UlPutKXJ+ek6XqHPDE0eJbz8q/MKZSME9L2vzx6FuWGUqHMKRoO/8uzZ7mupS8deXbO dcpS+1DmrlVu2h7lguGCIiDdpsA6p0yVo3JimDEeBlMXQ+MeQ9gL90jj1JgN9kEQDBYof02xmlV0 75Uewsbah7SzfiKQo6EpmL1KaoP/yZSm7Paine9NoylETXlsiqfD/00JakpiUwL9phBQIMgtyov/ 2rM9oymLPh2e39DOS5uyRaGiXPhOqWr5ouBQWsyYUTQojPJBmfNcCqH/XSevFLiW16ZIt/zLi/Mt fecdvnsXeWjv02YHW5qeJ29N0aMwSbfl0f8O+fHpvlY+yqYpn+1/CqH7mhJIqaLouNe1zntn53wq G+coXM3Hvs2QIvkUD0qNdkXR8ElZcVAAKE8UhzaTZlaNkuN/aVBumnLVFDnfpe0w20Xxca/nSMdz 2jMoJxQfM3AUHAqK+ygs7muKFCXHfdLw/Dbj2WYCPdN/7f0oyn7Lp/u9g4MCK602+ygN1yov97rW e3uWPMh/m7VzuEeepEvRa8pg88V2f8uza9wjv60s2jmfvb/bdd5JXcmX/LU0/N/qw3fv154jL/Iv D/Ljf/9Jg8Lb1m9I3zs418rJPc47pKEs/Cd9+dB2tDdtzeE+18pbO6/96m/udc71nsPViFKqzD1f WcqD92nl71pGhJZuU6BdR1n2KS+eLV9mX9dcc82qDJhxlYbDNQ5l4zr9cnZkbzD4GBpLO4FjSsvU FM2XMA+CYGpD30duuMUg7Xw7DejB/wK5N2CPpJD47XBdVxmZVbR0RkrPf+2ZDd08tM+G3nS6v13b FCmH791ru+/c7vO7KVXuaQpUUwooGE3JQPwpKH43Zcy17bqmhDnne7umKVntaNe0dNv93edRXtrs Wku7pdueIy3fnZcP53uf0a5r5dHesf3vsx0t/ZZOKy+H391nde9rh2va0X73Ptch/fas9rzetLpH 93w3/e79vdd0r+0+ux3ypB0459puGv5rR8t7+3S0NLv/9Z5zON9tZw7PlGdtSd17pntaHtr7dPPY 7pVmb15d166hTHGF4YZDyWx5aPlpeXN9MLUxNJZ2lhUapqlOGqVGGgTB1IZ+zlLJwmSWjc8oa1UQ BMF0Acs7H3ZGC+5lwfTFUJB22iMrgGlPFvYQ9iCYHtD3TSXzVea3ya/UtPJUB0NFs8hG3gXB9Ab3 Hz7v1hYwYpAPwfTEUJD2IAimL0wX88XmO8pHmgI/lUFR8Z7cgrgF8lMNgmD6ggzgE08e8KMPaZ++ GDrSbkDjH8jizgrV/P0cXR84/3d9yLr+jw0avvP8x+ILFgTBIIA/rMVsIoyIZME1cNBBfpK3ZDOZ 2k/eBkEwa8BVcBrHSHwmmB4YOtIuooCFaEKO8e3yvbtivK0at5Lcqm0rsk2n91rnDDJWf1vgQYMV 7SAIguGFwWwqkEZySSi3pz71qTWUHpk26BCtxQI54RZFtUDgg8GGhYuNBAZBMBwYOtIunrKNOvh3 iW/K11X8YQS+hVUSHrLFRRbz1ZSSUGJdEFRCXImtK5argSbaaxAMJyjzFHSLVIc9HKx3sPB2mWWW qRsqCd04yGAFRNhtAmSDGLLXLOhUhrEC6e1G+ZgMeIa1DS2c5kQ9R5rCBAr1SEnMTPPwQNsLV5m+ GDrSjny3zTRstmETDTFv26YhYtoi436LNGMAMQgKw9QFCwNCb2C0a5kBPx0hCAYP+iViOBKxYNW1 qRHrtI1fhsGdZCSYKSC3xKW3iyKDw6ATKrLVhjWPf/zjy5JLLlk3MuLiM1WhPVKkzOiKF279gdmd iQaFQBxvOyvbvdbs8USs59CXjIk2NbJ5kvGUchAMB9QVRVE9BtMPQ0faNVhWB4KybYBAeBJsdg+z 9bWNGEwpW7hG6CH6vQMfa5yd8ey0aCc1izuCIBgs6Lc23UHER9o4hGucnQRt5W23R4tWhxVmEu1m aTtzu076Peggg237/uAHP7iss846dbfXqUwokHZji91M7YbJxZKyNdEQLc2um4xKDjPMEzHrYhaE kvWEJzyhrLDCCnU32pD24QD5x0hBeUPcY2icfhg60t7QrG+EDX9021Xb4tfWy3YIa9qoBt6OtujU 1KBd6V70oheVddddty768l+b6pTuIHeGdNRgvGh9ZdCttr1A1G2Dj7xwYeslgwYv2+WLX2yrb25y +vGwgsvCdtttV63soseQR4MM+WMwWX755cvDHvaw6rY4DIrG7ID8tV5q++23L6961avqDK+Z24mG 3TBZwh/+8IeXxRZbrO6KORGknQLMlclmZZRDO3dmTBkOkN94DCWRnEu9TT8MLWnvwkJTZJ1ws2uq bYYBSbn66qvrVGDbFtjBdYawXXjhheu26J/5zGeqgGQxYsFniZgT5EaHk0fHaJAX080i5phl0GFn xZLlOZQTafk+pzq8vMq3Y1byPbegfEYro5mVH0XRIItYzqmy7oXnstiZldIX1P/cyst4od2z2urb 4hNbdN7bfixCR3Kf9axnlUMOOaRa5YcNBl/txGJOrjEMCUiVbeoHHddcc015y1veUh7ykIfUhbOs wcOsNI0VxgtrpszsmumZDLlmxtgaAeR6ueWWqy4ys6scyCfF1gzzfPPNV2eoyIVgeKAOKcvDZoAJ JgZTgrSzSLH0GDhYeiysAQOhqUu+783/naB9+ctfXhZaaKHyxCc+sbz2ta+tA83ZZ59dffv4KN58 882z3SF0LCRVWiP5ISLOBmo7vLJ+IFRdIH3cdvjb89ll0aGA3HDDDeOywPE5NZ2LADkMMv6bE52e axLy8fnPf76+g2f383dVXpQlsya9JNe7Kos5Bc9TL8penrp5kU8kGFmhRI1UhupSXZ111lnVVatd R+HSLrxjv3v955zrZqbMjQRpsMYoS5tyWKhtJoqyygo6Eml3n+fK++xGYJF35aMvIjiUYfU+njSV M/cD60700yuuuOJ+92vDH/jAB2rff9nLXlZJzuzkeU4CsSUbGAoYFFirjz/++PLKV76yLL744mXz zTevVvfRgMC1tkgpIxdGkjWzitHK07PI1Gc84xmVALI8699dNGODdtWvvc8p6LeOiWof5IJ+rcwn w59dWRnXnv3sZ1fSbgt7i329w1ghX2aq9EEuY74zaFn78ehHP7osssgi1cWHPJpKUHaOYZEFQTAe DD1pJ4j4gNri/OlPf3p1dWkEjzAyILJQ+N/AiASwCD3iEY8o2267bV3EyoKHWBokDTqI5ux2eIJS +DPPHilkm4EbYTf1b+oT6Whk3EAnTx/96EfLfvvtV9797neX/fffvy7ysiDJoDEaGglGmLgX7LPP PmX33XcvH/rQh2qZjOQfPJEwUHh/awYoU/yNWaZMx/YOFIgihcL1rKfNkiCfiKeyQTjHo6zMKpB1 +TADg2x2oV7VwVFHHVVnbfrlB2FF2K2ZcHhf74dkcfGgvPQLi6fOPNv10u6tY8/yn7RGIvTOW+Nh gJdPfcMUuwhJyHtTaHuhvVvnYbc9i7lZ37rPUBeIF0VYvkfqH/KozuRBWkidts2FRR3OrN02SJ/C bevupz3taX2jqCijzTbbrDzpSU+q8cx7I0QNKigbyoJM0h/5rusjFI9FF120yiY+4mRDP2gn6koa Ft0rY+mw0pNllLWxyK9+16hz5UhpVVejyQj5M2PJLcZMhzC82qb24V5tWTQvxhDtaU703S68nzZD ppMhvQtGvZvflA95Hg8hhrGUMXjOeNNWh0cccUQl1kj7S17yklq34wGlUB8yhlAI9cE99tijKsHS 1G/e+9731nHPOIHQt4ORx7ilnen3Y33XuQ35NK6qzznd3oJgTmCoSTsSJLyj6WSRC0zTdiNHNGsW 4UNgE96IrwgHyIBpQgMUAoloEJSE/OxaTuQL4XvpS19at143YPQDQS5vrP+IFeFqsGQ5MxC/613v qoM50o74ELxIL2WAkB0pnwQXwkxJQZY33njjOruAwPHltzjXoDqZgpibgvdBRLbccsu68IlVFHn0 XhSHrlD13gceeGD15VUeyCUrJIWD2wPC7/0RhckUxsqUdZzVEBGUh4ZWr2uttVadtnZdv7wY6LSz NdZYo7p2tDJHXCgDlCf120sytT/RjljCzP5ok12oU89E+ln4eusP4TLgUtBe/OIXV39V5f/Od76z fOpTn6rnkKp+MMgh69xQdtppp6pAdUk7JVIkE32GO1o/Mmdw19aVERLp0G7VvfIQ8akpZDODd0Uo EAybDPVGd1IXJ554YlXULUA1k9ObrutdJ1+T2WbGA+Vvxgx5Us8WzysnfQMBfsxjHlOtoPp9PwWL TDPjgKBTZHyqWwRv5513rmFwETXv3Q/+J+P6Wb6Vl3aqbWqHiNtIZFM6SCBZOv/889fQudql+qes UUi8kz5NeZTWSIrmZEFZU2oozuQgA03XWKB/IcL+d50xYqQ8KivpuWc8s5TuIc+NS/rQWMFgQ24+ 9KEPrWOb9tAd29SVPqs99IPzlCaK+i677FL7EFdQBqsHPehBlbSbbaYMaDfveMc7qmw2htobwHcG LgYlMnek5wwavDcZrn379DsIphKGmrQjvHzynvzkJ1dSesEFF/QdZHRchylkA+Uqq6xSSYSp5YZ2 zUR0cuTIdD4BiQA1n0GkzODFYtzySRga7AhoRNEgbLAzC7DjjjtWoorgEtgEucEZgWW9Gmkq3Duw dBK6K620UiU2/H4NxsqAsJ+I9xwJBieDBeK45pprVtLW8u8dn//859fBoOsmo1wMLAsssEBdl+A8 lybEzXtQagww6g2Rnqz8qyuzGgjvoYceeh+xNghYfLbVVlvVKBneCznpHbwN+v63KFJ0Bu1AdAZk FaGRf++hHrvtTzrKh4XVs9U7ctCgziioyJE2j8T2PhsxRUK0Ha5fSy21VK13yhOrLGVipIGMEoDs L7vsslXJ077adQgaQm8wR37MIvT2M0qgZ1C4KGXKDnlH9Flb1af/kbnue/WDPFI4lZN45ZTUXmVD G9A/nvKUp9RP7boLeabYmrXw2a+vaH/eu5XLZMN76+sUeT7rCLvfzapJIefqs/TSS1ci31tO2gD3 PZZ54fq4NqgnxgiuFBREfU599ytjhFV5UCLJh64i4/0pA56rfcmbGb2RSKxn6stIJfmrbWizFCn9 nWLalBKKXj8lc7KBhFOO9AXKH+WfwqnfkUfaNNmizF7xildUxa+3nTVo38YXSjc5QB6MBG0PUdcf pKntU6yUPWV0ZgqkuqPsGj+4HZlNIlO0Yc9l4FA3ytU7UO76KRHek/JNWSaH1BOyPs8889TvjF3G TYaS1tde+MIXVvkjCpCINcrP+KPtDQO0MeXbFJo53eaCYLIx8KRdp0MQDB46o8NvgtHALmSVaT5E 16BEeBmAdFpHE5DuIeT4BvITRB4mw/IjD/JioQ/B18JpIQhIDEuGgQ2Bb0BqWOWRLPGZCU4klZWZ gPYO3stg4X9+r6x1ownS5saB0LCeypP3R+pYYNw7GQLNwCJv3kcZsFYjJMCdgeWXZVSM/EbalQ9L l7pp07auY13yDlw9EGmuAyIEKdNWrxMNdWEQYyWneGhLhD+Sg4AgAPKIDCNbvUBOKFWUj0c96lGV zEjT/+rPferY+3eJlbJAtihZlBrv3AZi9YQkaTsLLrhgPY9A9Naf6ykdLKAsZcrPc1jtKUB82tV9 L+HWFtSZdocodK163l+b0Y60T+TGe3SfrS5MsR988MHVqo+8uYZyimR4T9ZMxIHlVVmMBOkij/Lv Pfnimy3rQhtDnkSM0Zcpo719AYlHbhFk7aWXtHsveUZSR3MbmiiwbiPWCLEyZCXXppSPelOG6gdh cshz17rpGu2N0ud+ChYlD5n0btoLcsea6n3Ixy7UufeldJEhZmya/HOt+tK+KQNm9rQHBLO1wS7I OG2VL7u+wAefoqhutTNWennwDp6JPE6GrJ0ZtNsNNtig5pECzeLuvcka8l/foASzOD/ucY+rBJ4C 1w/ak35hhu39739/3wXP2q56VpZIN+s12atPULAotNot5b23fhqUtzJTxw984ANr1BiueMYBeZM2 5d1/ytx1SLnzvdB+tA/Ki/zov8oCYSdL5IVSoS7Vm/KQrn6sLdjzwBhEFsyN+ptVqAfl2K/tBsGw Y2BJu45nIDYdifQZ4EzTsWITeiwMBhj+lAYNg69BjUWTRYNlgpWPVZDVgzBlxV5iiSUqMUFsRiO9 swJCglBlqTSlaVqyCXcDCCL62Mc+9r7pfsSdFRDJYfUwzUyosraxzjRSR8AbQJEvrhmsuBSAkaxC QGAT1qw9nqVcWNgM9gZ+5Tee6dqxQJ3x1d5hhx0quTWgIOqAqLHAmU7n/8p62kiJujFAIOveHzFl iTT4q3tEk2sPC7dBDEnrEpqJBKsS6xNiLU/aHJcBFlFEEhnnc8xq3DtQIkbanbr0Hqx7lCXXIWfy jZR7f4Mh4tjgGlYt5AHRQMhAm3JO3VOCpMsipk77AfnTZ5AM+ZZ/A7I0WWL1jd4B2HUGcW2TEqzc peGQD2SHb61pdS4c+mAXiAFLosWTiI3+2X0GQowErLzyyvV+pKQNqNpMFwg6gkGB0L8R+F54N0pE aye9+QHtmxKovSBZTUFUPp7hnVm2lYvZDYrVZA3y+jHCjsDp++qjzb6BtqHMKLiIMPmhHXbLxoyP 9iOv6kO9tDJWx4ghOUg+IMu970KGaHMMCSzLSD6QAdo25ZKySjaQGWRTP8XYM8lU7yFal/aoTwif q48iw/q8MvbM3vqdUyBTjAlkvTxyO6LUmAFiCFBG5KHZAPl3jbLtusM1kDXIPkXeeGOGofc6ipPx R98xy6DtIu1txsmz9AEyUT2rs37tjUKE3JOT8qQNyy+LuTEB+ScL9DezuGSCNkzha228F9of5Zd8 pQi0+vcs54xRxhcy2phhNsL7kb3O9Sq8QRDMPQw0aSf4DRAGG0KK8POdFYfltVl6ECHCjHXIoGEw JvgIbeTcAGfQY2FhKWGdQ5SRjYkE4c76j5wgFIQ34Ywwyx+hz6qD1CEmBgLvRLATwAY+0/0Ii/ek bLjXoGrQJ7QRL640rCvdeMgGACQQkTdgEcaEssHXu7vWswhs4cPkrdelYHZhkPf+ytf7I3BIF4Kk Hri9UGYoHd6nkQKWOPUpBCfiaKrWwGQg0Q7kE0lQ18h0P7eUiYJBixWUguWZCJ/yR3a9gwFS/VJA kNoulL/3V7/cTCht3BnkFTni6mO2QP32kkTE3Hkks1nikR9KkMhG2o8BHAlhrdUuessA+VPPFEGW eeXOIs9nFelmheXv3LW0K18uFvqFAd0sCJIgffeywpnZcT9yQyGTpy4Z0+ZY7bRL5NHUvban/yIA 8k8p0F/VPUVGv9Y3lHcjBfpPs/jr08qgl4i0PqYNcx3QxjynF0gJFyZKkL5FmaY8IFbeV9/j/836 iMj63TsDMVFQDxQ+eWblVj7aPvmjfBgXKIgIN/nQTzGSb2TdDBa5pty8tzaiPM1A6R9ca8wwaHdI WCtbzyIX1a/nmO2j+JGr6lTbYIVXTqNZVZE4bbG5Wsw777y1r1NEEVL9GHElcxE/+ZQP7Z+RZLLK uAttUxtliea+I59IO3cPbmn6gHyRr8pK/l1D6VTOvSCfuNaw1ruOnKbYtD7gnTyP0qLvkvOIOZnh 3cli57UBMk7b1sf6jT+MU6z/ze+cKydZLZ8MBWQT2SH/+or+JP+ULnnv9ssGfZksk6Y+Qx6Qrf3g /u4RBMFgYaBJOwJCMBlsDDKIrN+sClwQDFT8tVndnCPMCGTXIIU+Dd4IjMGLdYuVi7UZkRjJMjGr MBAbgFlsCO/mlmLKUX4JXYIb6TIVa/BFduTRIIA4sMYYnN3jvRF6084iM7BQej//U1wMioibsjIA GIQM9gZsljrXOpQLSw1FxsCl3OQFmZhIIK2mbhGL1VZbrRI4+VR3LHjeG7EzwCDCjVBQMpBDgyal hBW+S8SUDes3wsoyhuhMFhAWpFf5GzzVhbYiP0gfkoNcm1bunanw/ogQoq/e1VebBjdImnamkPQu cAVtUZvlQoL0I27cFNS18tDmpWkAV48Ib68l1DNc6z4EQluiOBjY9RPfe+tc+1G+2iWCQClBULiz eEftTh4M9G0xM6LYJV/SoJx5b7MFZrQQY8qVetau/ac9cA9C4PUH76Fs27oBCqZ2wiIoL9y5egkk ZQDxovxQcPShfjNOFD1ER56RUnmjtCofsoKl1TtpU+pEH5ksksKKTkaZedG+yQiyCLFVvpQT8oBb DAurfPUq1IgXUq1vkQnKVP2QZ+rZWguzJCyvFE4KiTpEGkEfY22lTLLIKxf9kayilElDfkZy22hA DCkeyDCrMwXdzABjALmCkJJ9FHT1rK+oL7MESCzrLeVyMgmhtulZ3ks7QZQpZvqftq4NabNkJhJs VhCZVUf9ZIu6YjW3QLiRdvK1Kc2UEWXt/fmLq2d9hszQfpU9Ga+OlJtIZ9LrzraA9Mhp/dVzWlra DHlEPhjLKAHKT1mqP9dR6LWJ3hlIaeqDFFhpUr4piP0UhiAIBh8D7dNOuCInBCQCRGARdAQr4cZa bSAy8LM8sAKxWCIv/P98dxBQhBdSxdWCNcP50SxKswKC1CBJQLOEI1kGVUTPfwZvFheDNnKL1Hg/ ZEX+CFxkjpBFcswGsMgYnN1nsEN0CWskiQXIfQYN72+goqhIG0FBipSPPPhu0EKKfJcHz51IKE9k w7MNhsrAzAfCaZbDM7ktyB/FouuygCgbdNR1I3ENfCqlhYS5f6KVrV404q7cEUdtrpEMbUyd+a+X 4CALiLz60Qa7A6i27N2QRe9u4O1CPapPZNcAjRwbXJEBdS89bdd3h/bba7X0n/JmfUZA+HMjWAZ9 Spr21lt23ss7saqb3TCb4721JUQRyde2fFeH+h1lWn67UBbKBSlW/66VZrO4yrv2r+4paNqgNs7i 3srCO6pjVl9KhGf2kjuzG0guokj543bWrx/rJ+pQPhBG/Ug/1MaUP2UW4UHokCnPmiyQQZRX9cHq 39wdtGXtwSf5QJHhwsGo0KvUURgp+BQyCohZH/VFAVGv3pNyTMFX/w7vrUxB+yMvKW/WWnDBoyRT ICkOyqqX8PVCXZDBFFlKlbyqC2SSdd0zzdh4hhlDMwuUd5G61CnLt35Mfve2n4mEtMmMpmArT+VP 7nf7LLmprVNgEHFtUh/shf6h7MxQeCdts+u2RX4pf4oLRYYLJuWa3OMWo09q85QuMzuIu7JvroMN 8k15pJhJh/LKQt5mvsiWbn8w1ujnyDiFTd/rlUmuZ0hgDDALQ0El04yFQRAMHwaatBNihAvhSjAi Kf5z+M8Ajnj6TjiNdPTC/f3+nwhIW14RTwMv4Y6wIBHtuc777eglHK7xXgZHh8HagOueBmm0svBd OqzsCBKyhQghyNwImmXRAO47AS596bl/oiFdSpJ8IwLKwKBnMPGuznsf5aPeGlq59RJRcJ3BFAGR 9mTVXRfyo+3Jd2+enGtl3w/9/m/v195xpHsRJ+9pxsRAjSB3yZR0Wt33QjvQZhBTRAFRQaCRKun1 KgoN0lI37tc2WAhd6/1bXts18tKPJINr1TWijzQhq9JxfUtDmv5v1+i/rXx9R6blG6mVl95yUv/N ZQ5hZ8UcCe71bO3Ns/RFz9aeGAFYpBFYxIhCMVnw3t7FOyG3iDqLr/xQ8MwUKBfKGCKu36r37rtr N5QyRI9i5+Bmg7i513kKmfuk3YwETUnzDM8100HhoTwg+RSt8Vi+9UPtC/n26Xd7NlKsXiheFCoz HEil2TWLiq3FoFS4rl/7nUjIk7anfPQn+et9pt8UCOWtn+hvXZnUoHyVk/JijEDQew0eZDxFyvuy 8JsRpIRRGNyjD1IiKAdIOxcw7aGbJ3UgP5R2aZgZY8Dp9pEutGXlyeUJGaeAtPruwv2e3/zhPWOs 9T1V4f2VaZNvQTAsGGjSPuwgEAwe4x2gCBHkyL0zEyjOIyYGXpYYByLjE/ky0DsMXAhVv0FpsiBf I72D/2b2btMZyg5BRcIQj14LWj8oTwTDferfYE05MpD3G/QnA/KgzuVjtGd6P0e3bzSipf1SIPrd 7x4EtCkVY4X7lGF7HhLGBxtpZ/VEgCcbnq8P6pfeUZ+Vrwbvr84Q/JH6aavfVkb9+hDZoc49r52X NsXe7IeDm4vnjLddyK+y1648vwtlq27IGzNuyDllkfXYjBFijKgqg0Hp+8pFebb2NFK+lJMyV2be sbfclIu6U67eF9lm0abYUMac853rm527kXcKqud3oc7UE+WMYtuPhDc4R3HlfsRlSnry2Avv5Frt Tr11jQDTFcpdWTvG2weCYG4ipD0IBhQIAqLDbxv5yeAyNiCPBuXRFAeEiMuAhc/cPLjMTHUglgjb eI0IswukETlCjJHHXqI66JD/8SgZ2hxFQP9Fot3rPzNI3Gv4xmt72tzs1IV0KRBc9SihrP3KOZg5 9APtsZ8CFgSDjIEg7YQP4TUewRgEUx1cOPgBc+MwJd+1ygYjwyBsMDbbgMQ0ueKzfWcF5irSSLuy DoJeaC8s1CzaIusg4rMC7oJ8/kVg4vNuvQr3lolCt20HMwdZSoE0WzSnldggmB3MFdJOuDRLmE7T XDkIRBaKaL7BdAeyyf9UVAik0lqF8Q7KrteXptugZEDmx87feiR/bX7flCEx932GtAf9YJyyPkik HaSbdXy8/VAagiXwY7doVJQZi1TnpKticH+oQ3IxhD0YNkwoadcRkHAD5kgaLKJuIYxIGg4LIxES C6cINv9ZQMUnkm9kpvuC6QgLJ0WbED5POD6Wui4QAQpur18x6IcUYC41M/OLnYogd5SL9x7JAMBq 2kLrCU/YG8kjCMBYxiou9KLNp7Sb8ZJ2fuQWlwovai8EayimgzvW3EQj5eOtqyAYdIyLtOsErOII hIU1vb6J/PeQcAtiLKbpDpjN+mWhjkgmQo0JQSjsm1BmoipYXS80lrBmNunwPz+9dLxgOkE/s2BP nHhRJFj6+vU11mHXiUDSdZ1BEvQdsbpFkdHvpiOUY1uUqQyUi08KjTCHwuQh7cqZchMEXRh3+Ipr H23rfwan8YLPudj7fNltLmdsM64FkwP9nFLECMgASFbiImY2uM210MnkAqMg2UlWBMEwYFyk3cIN vrUWxiESOkAX/ESF+xLmCqFoHUGnMCi2jUTEoBYjWSxb5EJafAZFNRDbXFxfQtKUpJX3QTCV0auU Iuhib9twR+xoEWR6gXhapGrDInG79b3mCoPIi/Vsoxv9Sb+djkDYKTTKkvLC3YjBgKEAAbM5k1jY 9i4Q0SQIukDyRL2xMZMxyVg10syWtmYWWd/VB/2nP/qPdZ6Lmx1JxbAXOnK69smZQbm1Y7xwD2Oi OrMngjIXp180H4ZGBkNk3icyb3bfIfSq+9RhEAw6xkXaNXZT9uL8iknbFTw0Vp1liy22qPFlTc03 6BDIuo03nEfGLbCzFbxpaedpvW3jDluP26VOh5sVy0YQDAMM8NZysMQh4W1myuAhxn0LzdfP91V/ oUDbddcut2au2mZGLOx21uRag6AasNqizOkE7kM2LrKxlA10yC1hHhkMuMSIG25nSjHP44YX9ML4 JuKL3YkpdjYZa2jEHBB5JND4ZzMl4UMp0fYTsNmdGWVRY8zqPOtZz6qhIEMQ/xfKk0usePmMfCzi YwXDoPqhmNt3YY011qhrCGyERUmyqZt1BMJu8gZoxJ4cYGTklttrhAyCQcSYSTuLgU0o1lxzzbo4 zkYO/mvQ2Qg28WftHoeENOhMyD7rOYuFjT2Qcx3HwAoEn9+Ivd36WBBZ6/tZNoJgKsBCSQOJ/sI6 3to6QuC7QavXLaYL9+uH22+/fe13oqH4bmt5PrgIPZczJMFMFgVhOoFsYUkzo2exKZ9kZUQWccFT NghWC8sXTE+oe2OZPtftb0gcK60ZLcYl/ZGByeyNvtdc0rQfm0pxo6EI2liK4sx4ZZMlPuyLLLJI mW+++ar1l2LdZqEnEt6Dgq/dy2vXPXWs8E7e2/uZfTKOO3w3xjvIkRY4wrWz8px+oMiIb69/Wkcw HoOd/NjNGTfBM5SzNOwGbgMqcezxF/2dLMRV8Az1wgWRcpXZj2AYMGbSrhPTSC2mocmyJHTB0sB6 jnQjCd2ObHrfrnAGTddYWGdrZtZ4goag5AfPokFD3mOPPWp6XaUgCKYatH8KrC3eEXe+mGNFI5kI A+LPkszVY8EFF6xboCPtZrT0NQSVe8h0Wx+CBCBYZAvXPDsCIwUsoGYwDPSjKUXB9AAijsgJiGAT ukaotQ3njH3aksXhdoI1liHxjbSbpaF0U5Kf9rSnVb9142Sz9L7xjW+sO8LatfS4446b0FCPXSDQ 3sH6MP7c8j5eWPNhxs7MuMWzxx9/fD18P+SQQyoR5nJHXiHJrp2oNTOUALNiZtlxBRbxsQIfEft+ 3nnnLY985COr7DPrYaaE8kQO4hRmHVnj1c3iiy9eXvziF1cXRC4ymW0LhgFjJu0W5LBWIQZIQLNO EWY6GxJOMLFk9UZiIEx0GJ2ItkvAtekv51jDdDhaciPsk2GJCIJBgrUcZp4WXnjh6t4yFks4ZZgl zeAjwpLBBhnlw85n1hS8g4sZVxBrTAy6BlfkYzr1K/IJsWJBVWZcilgip5PiEowOxNyaB+TaGhLj XL/24TquZi0EK3eKLlhpEWV97sEPfvB9rjCILks9i6+ZHW5vjexPJORZ3rl7cYszU+1Z4wWFwlhu HN9yyy3rzJ3v3pnSwZ2Ei6vZA/8LHGHH5tkFudTk4TzzzFPL0fuMFb/61a9q/a288spllVVWqdZ6 ebP+jhsu9xgKPA7iHRZddNE6K8KYQZaSEZELwTBgTKSdBmoRjkU0tOCmtVokigzo5Do415nDDjvs fxZ16ZDIvYGTVt581QyirPLuJeBMJUo3nSeY6kACWH+XWmqpupW+WSzK78xg9olVCQEw7cvNzMyX voksPPShD63T8KxNXGYQDYO3fqcPpm8Fwf+BoqzvcZXYYYcdRowiJBoaH2hGq9e85jV1lsy4iKxb L8KIZW3KvvvuWxZaaKFK2hFDYxoXNmsrLEjlXjIZijNllDxZccUVK+k1pnbXlY0VFHvEVplw8bGu DBmmBFAIfDqQYv9zafVOswuuMNJnwFAXDA3KdaxQD9yOEHWKEqKOsJOTXJzMrHFhsq5Fvay22mp1 NsH7BsEwYaakHbkwTfW6172u7h647LLL1s51xBFHVIu776aadDafpp+Rg5mBtcGiEFqvqUR+ZRSA 5lbjUzoEI6Li+hCOYKrAIGOqWZ/i0qI/jWWaWX8wBY6sm/li/RLd4hnPeEYdsFncWcH4teuPBq34 agZBf9hkyxjErYUSzKXEOINYO3w3DiGyZpLXXXfdasBinWVgMt5xT3MwXlGg9WcKNDc14yWXUH2d gcrs2GS4fco3hYGyPv/889cZ635Rp2YG8oUbnXczY25RqIgr1pf5dOADCLLvFJW2FmdWgThzv1l6 6aWry4r3oCSNR7lRTxQXhg8KgPzLu3S4PJ1xxhlVVtqR1mwJN6du+YRbBMOCmZJ2U18s6yyCBJtQ aVZj04SFmkMeEAabRvBD05FnBh2EtZBlQyd1HwJPYOiofAdNWXKloR1znyHsnA+CqQCD3Y477lh3 5LRDIlIwlsGc8spqpA+KSoEMsCpZWMXXFjHQX/RNljJ9aKJ8ToNgKoFBiusKdwouJUi3sQfRY3E3 Q+U3tw1uItaJMFIhtazArOf8uvmp64MWohonl1hiiaowr7322uUJT3hCJe76on6p3/eLBjW74CbH us7K7n3IgYlSDnoJrd/taL9nFWYo+J0rfwYMbrLjcYsZCU3hcpjh2GqrraqsVRcIu1l/cJ6LLhkZ fhEMA0Yl7Ro0/3PWBdPuLHimmkwpIvN8xPiKtfOsDGPpcASexR/iSNuVkJWiCTK+aabmLM5jQbTA jmJw5plnhnwEUwIGFOEa11prrfKUpzxl3JutGFz4nrL2sSL5rj9yS+N65ryITQYrLmwGxiAI7g/9 xZ4hLLxItsWV1ocgkdzKLFjki26W2Uwy15ijjz66Wpb1MZFI+LGbIWZcYlE3a2zMkg6LPBKKzDvP jcQ4Nx4L8lggP/IsrCRLO/98Y/Ogw3jOpYcFnBzkukKxmajywV/wCfzB7Iey4drTrPis8oyHZhHI SZZ38jOz+sEgY1TSrgHz+7Iant+tsEm9U+0s4haP0JJ1CERiNOgsyIQpSf7xpvEQD53EFB+rBeHD YsCyTwCyInIJaL7wQTDMMDiwvAlNZjEURbgLfcTBRcwA0g6/xzOYIBbWjcSXPQjuD33J2CV6iNle BiezVtw0HMYhs8m77rprXS/CR52STdnWN/UnpNOYRSm2x4hxinsa8s+w5Tz3G4YvfX6y+iDlQeQ1 xJTygfiOxUV1bkE5iJSFsDPOPeYxj6mGP4oSAwS5Rbkh82YHLOjS5Dao/vAKm6tRaChb1t/xf6fw ULyQd1GElCdCr56DYNAwKmnXgWipppWsymbt7jZkgkGnMOVk6tBUYZt2GgmIt6l904imDi104R/n sGGTKT5ClBXeYheruwk+Vorm7x4EwwpT8manTAfrV2062ACjv/HH5P7CAsT6YwAxmFB0+ZKasjdT Nd4BJaQ9CP4PDEWs7DYhs2Db2IXEI3PcYYw5IsS4xs65rkPwRvITN+4hyxZC8gXv9s/JtNwiv1xz LK40bpoJIEsGGfJs5kF4aG61CDUjnlCV3GQt3OUuSN4Z92eVvLeyEYvdM4STNsNPOdtggw2qDObu JEY7GWtmxCyFsJPk7ewqDUEwGRiVtLOaI9VWWlsF3xtCihWPRcLCDj5jhNzMiDWrRNsEgSIgTjX/ W1YK/vKmEn0SfsgMyz7lIIQ9mApAzIV3NHNlIDFwiXJgOp2vJT9155EFbjMGEJ8GF9Er/OavmqgH swZkijyhPMWSNj2h/rlkWkuCkCPj+iU3E2Maw5Jr+LXrd3zURYyxuHGkNqM9cbfhejGnSDOLNEMa N1KyxDjtt/w7x6ddvsY7QzfZMCth3LcoVFx1CgfSTrY5rHUzcyC+OqMdF5dZCcmoHES3MUPy8Ic/ vBoChZJcYYUVanmZyRcS174N9nLgKeAa7jrKURsIgkHDqKQdwWZ9YAHnntIrjHQKmjGiYUFPb6jH fjDtxRJh6hFR12lovjZs8BzTjyyNrImxDgZTDRRfg5KwjAYs/rSsPmIfG7hM14tSYZp7o402qjNP tt3nJmZQFhXGYMYCH9I5fhiIGQLIsuliSdNOkDfHdJep3l8ftLBUdBduGb3uaYDoijhiUSdib3wa jYxLVznPqT4pf6Kj2NCJLEFCuamyJBuTkVBk1FhL+eDuMSjt3fhuBp88s6bNDrJcVRgAGTCEkmS8 Ex3LbDurvDU6482/uqBEcXfihshQ6JnWJzCasLyLgGcBMh7CRcp1FAflFkt7MIgYlbQTDARVW1nd K/A1atOMhMJY3VekwQJAiBCe3GIIF1Z1pD8dJZjK4P5igEAWRJewuJuLjB38WPWs8XCwrrvOmhLK rAGNHzyLn4FGlKb0lfGD7GGM4M4wXcrPO/O95i6AuE9nKAsRlczyWqsl6EG/WStGI0SSy0nzZR/L +DanYDw2W2CmjsXaQk7Kv91XkWCWbPJC+ERRpfjVz8x1dU7A+M/fnwuScLTegRsMIi9CnIOrijpq u7Ii7azts2L5VmciAEmPcXD33XevslYZmc20/oBspex4nmdRhsiIXr4TBIOAUUn7zNCsC7MqzNzH 8k4AZSoqmA5g5aWkGrAsikIGuJUZqPixG2CEhWMhEhGGcktpRrhYm1jYHabzB4lEDAsQdTLHMV3K j+FFdKK28+N0hrIwKyzMMGWZlb2fdVx/42O944471j0UKNuDBLPcQk6yCrO2c+1A0Ckh3EtFvEHg Hfy0vTNZMgjQ77RDdeGTIqlftoNixU2JotnCbyL6s6pwql/lxSiI/AuPaeOpFnPe2iGy1fM8NzNS wSBjtkh7EATjg8HAQMWS56CwGqjGM0gYVDKwzBqUWfeYDtDGEBbEh7IynaHvsaSyvFKWR9p4TDkh jAgdZWfQyo3MMLvNP5yVGrFlpTZjbRElSzbX1rb5k4W1g2BpnxWQdYx6E+l6pO9TDpB5n0EwLAhp D4IgmMJA8Kbb7MJI8P6IWguFOhKGXaGTf+/qHdviWu0gCILhRkh7EATBFMZ0mlUIgiCYyghpD4Ig CIIgCIIBx9CS9on0bwuCycDMrJuxfgZBEARBMFYMHWnnoycSggVCFlaFvAeDBr6jIr9ooyLB9C50 4mMq3KkoBhbChbwH0wl8rUUOEa1D+x9rVBD9ymJKkV3cHx/tALQn7UJ7SrsIpjqGjrQjQWK3ikNr 22EROIJgkGDwOPnkk+sOpnb7FYWiAUEXyUG8YGHaLrjggmkf0SOYXkC6bR1/6KGH1h0vKbhjgX4l 6ov7bHVvj5AovIFQlnaUPvzww8uXvvSlGlUnCKYqhoq0E9Dnn39+ecELXlAe97jH1Ri6gxY/NwiE XhM72a57Nj8Rgq2RCzNDH//4x+sui0996lOrAorEBMF0gb0IxA7XB2wuZo+CsUCMbTuZPvGJT6zb 3FN+M9MaCHu51VZblSc/+ck1Pr3dTINgqmLoSDtN+ulPf3rdtvmlL31pdTEIgkECtxhbcGujz3rW s2q85EYuTOUi6vPOO295+MMfXrfstlFSEEwXiCW+5ZZb1v7x7Gc/u+7WORbYEOdFL3pRvW/11Vev /Up/CqY3bDa32mqr1Xax3nrr1Q2zMgMTTFUMnXvMl7/85bLccsvVDrrpppvWXSSDYJCAXLAgdkl7 19J+9NFHl/nmm6888pGPrFtph7QH0wmzStrd98IXvvA+0m7WNZb2AGnXHhppt2lWEExVDB1pt8Pb M5/5zPLABz6wEiNTY0EwSKBIvvKVr6yDyCqrrFJJSZe0f/jDH66uM495zGPK/vvvX3erDILpAjt4 br311rV/rLHGGtUyOha4j7uZ+9Zdd916X0h78OMf/7istdZatV1suOGG1R0xCKYqho60n3XWWWXl lVeupH2LLbYIaQ8GDkg7n1uDyKqrrtqXtD/60Y+upP2AAw4IaQ+mFZDvptSuueaaY7aMuu/FL35x ve/5z39+SHtQwR2xkfaNNtoopD2Y0ghpD4IJRtfSPhJpb5b2kPZguqHX0h7SHswOQtqD6YShJu38 IsW7DoJBAkVyZpZ2pH2BBRYoBx10UN1vIAimC/SPptTOKmkXQeyiiy4KaQ/qGqK11147pD2YFhg6 0v71r3+9knbRN4R5EgYsCAYJ2uS22247U9L+2Mc+thx22GEJ+RhMKwj5uN12242btCP7G2ywQb2P b/sll1wy40wwnUGZswA1pD2YDhg60n722WfXiAMPetCDqjXT7qhBMEiwAZh40gYRC1HPO++8+5H2 Y4899j7SfsQRR9Rd/IJguoDMFk9b/xCq78ILL5xxZnTY/8BCQ/f5vOyyy2acCaYztAszL9qFmRgz ME3eBsFUw1CRdoTni1/84n1x2mnXoskgSb/85S+rJSZHjrl1GDxs9iUsaYtyIdLROeeccz/SLuTj wx72sPKIRzyi7uzLMvTb3/42bTjHlD7MQOkfZ5555n1uLuMJ+ShKSLOoCqVq12F9huW+3/NyTO2D vDX24wQrrbTSfZwgcdqDqYyhIu1//etfy/HHH18WX3zx2kHtgPba17627L333mWPPfYou+22W44c c+1417veVd797neXbbbZprZNbVT84AsuuOB+pP3II4+sGytZl8ESj7jbZGn33Xfvm26OHFPh2HPP PWsf0T/shqp/rLPOOtUyOjP885//rLOsLR63HbEFIpCmPtfveTmm9qHu7XPx6le/uiy00EK1XXCP sVNuEExVDBVpv+OOO8qJJ55YtemlllqqWtz5RIokQPhbjJIjx9w6xI7WNvmxL7300mX55Zcvb3/7 2++3WBppZyF0zZJLLlktRM973vPqff3SzJFjqhxktEPbX2aZZaq1nLGFxXRmuOeee+p6ps0226z2 G7JfOvqco9/zckztoytvtQcGkH333bfOWgbBVMVQkXa+v6wyFvIdeOCBZZ999qnadj8tPEeOuXWw mLMAfeADH6j+unfeeeeMFlyqxd00/zHHHFP222+/zBLlmHZH6x8f+tCH6iLUsazp+Mc//lGuuOKK arQRJhU5i4U9x6677lrbk/bwkY98pC5O/stf/jKj1QTB1MNQkXZTpAiQuNbXX399ufbaa6s/I79G 1pocOQbh0Cb5WmqnBhDW9S64ed100011Qd4111xTr++XTo4cU/Hg267dC3WqL/T2j36g7Lr2lltu qbJf3+Ef3y/9HNPnMPZrT9rDH//4x/K3v/0t/uzBlMZQkfYgCIIgCIIgmI4IaQ+CIAiCIAiCAUdI exAEQRAEQRAMOELagyAIgiAIgmDAEdI+iPjPv8s/7/1b+cvdd5e/3fOPMoZ1WkEQBMGA4l///EeN gPPPYRHm//5H+fvf/lLu/stfy73/+NeMP4MgmNsIaR9E/Pvv5a7bbizX/vbq8vtb/lzu/WdWwwdB EAwjRDO59+47y5/vuKPcfc/fyzDQ9n///e5y643Xlt9efV255c6/DUWeg2A6IKR9APGff/+j3H3H LeX3111Xbr7trvL3f4W0B0EQDCP+8+9/l7//5a5y151/Ln+9dzhI+7/+8bdy+y03lOuuv7Hcdvc9 Jbb2IBgMhLQPIv7znzqd+vd77y3/+Me//AyCIAiGFP/597/Kv/71/48hcY/5DxfNf9xb7v3738s/ /vWfkiEoCAYDIe1BEARBEARBMOAIaQ+CIAiCIAiCAUdIexAEQRAEQRAMOELagyAIgiAIgmDAEdIe BEEQBEEQBAOOkPYgCIIgCIIgGHCEtAdBEARBEATBgCOkPQiCIAiCIAgGHCHtQRAEQRAEQTDgCGkP giAIgiAIggFHSHsQBEEQBEEQDDhC2oMgCIIgCIJgwBHSHgRBEARBEAQDjpD2IAiCIAiCYKjxn//8 Z8a3saPd43Nm9/c7P5b7JhIh7QOCe+65p9x0003lD3/4Q/0eBEEQBHMLiIix6NZbby233HJL+ctf /lL+/e9/zzg79eHdb7755jou33333QP17vJy5513lt///vfltttuK//85z9nnJla8F7eTx1435Hq 4I477ii/+MUvyve+973y/e9/v1x99dXlr3/964yz/wd1ev3115cf//jH5ZJLLikXX3xxvcf3n/zk J/U5//jHP2Zc/V/ce++99f+f/vSn9XrXaRftOnm6/fbb6zPxt7///e/1/8lCSPuA4MorrywHHXRQ Ofzww8tVV101498gCIIgmPNA2n/zm9+Uk046qXzoQx+qZOhvf/vbjLODDURKXh3/+te/6m/ky+9e UtaAbCGGrvPuv/rVr8oHP/jBOiYjdZNNxsYDhPTss88u73nPe8qnPvWpqlRNRfz617+u7/fRj360 XHrppX3bH6L8uc99rrz1rW8tm2++edliiy3KXnvtVS688ML/uf66664rxx9/fHnVq15VXvrSl9br X/ayl5WXv/zlZZdddilf+9rXKgFv0BaQ9A9/+MPl9a9/fXnFK15Rdtxxx/KRj3ykKgmUCm3FNdrK Jz/5ydpnRlIuJgIh7QMCHfCZz3xmWXPNNcu3vvWtGf8GQRAEg4Y5OR0+t4B4fPe73y2vfvWry4Yb blhOOeWUSmoHHYgUwxcC9sMf/rBaV+UbifviF79Yrrjiiv8h4Ky5Z555ZiWH7kHWWFWRuhe84AXl s5/9bF/L7dwCyzJlYskllyw77LBDJbdTBfqW97vsssvKwQcfXNZbb72y5ZZbljPOOKPcddddM676 L/70pz+Vk08+uZLuVVddtayxxhpl5ZVXLiuttFJ585vfXOuyOwtx+eWXV/L9uMc9rjzxiU8sz3rW s+r1PhHyz3zmM+WPf/xjvdZ9jKnve9/7ykte8pKy+uqr1/Rd+8IXvrC8//3vv4+gI+3vfOc7y2te 85ryhS98oc5KTRZC2gcEX//618vSSy9dG9C55547498gCIJgbgORQPxuuOGGcuONN9ZBeaoTd2Tk O9/5TrVcrrvuuuUTn/hE+fOf/zzj7OCCKwPL6Bve8Iby6U9/ulpbr7nmmkqqNthggzpz0FU+kLOz zjqrbLLJJmWdddapll31y5K622671XSMz/2svHMLrMFm5hdZZJGyzTbbTJnZebMg3Fe++tWv1vpC vh/5yEdWkoy0d8kwxesb3/jGfYT9He94R22jRx11VHnxi19cjaAHHnhgbQ8NrPVI+7Of/eyq7LCO m0U65phjqlJKUWjPQN61BZZ46e29995Vqdt1112rcZWlHsnnOqU9eba+su+++5bf/va3k2ZtD2kf EJxzzjm1kdHkzj///Bn/BkEQBHMbLK+sdieeeGK1uk7moDwoaJZ2rgTI7jBY2hE5Rq/Xvva19fDd eyDgrOYs04ceemi10Db8/Oc/LzvttFNZZpllqrX1ggsuqETeuyJ5fJ75jncttnMbLNGHHXZYWWKJ JcrrXve6avGdCjDjYTaEovTc5z63vt/jH//4qlB95Stfud9sB3K/5557VkPnm970pvKDH/ygWuL5 m+una6+9dr2P4tnAxestb3lLeeUrX1mfg5g73OMTYddeKOQ/+9nPavrPf/7zK1H/0Y9+VJVWrlJv e9vb6gzMfvvtVxVC0Ma46LC2m+WZrJmZkPYBAdJO+3ve854X95ggCIIBAr/oz3/+82Xbbbct7373 u8svf/nLGWemLhAXhJUld6ONNqpW60En7ayq3Bk23XTT8oEPfOA+VweEClFbYYUVypFHHnnfjAF/ aG4mLLUstlxkWE4bELhG4gYJyCn3jKWWWqr6WE8V0t58zlnBWcQpJGY/1N2Xv/zl+9xj1Im2qc5e 9KIX1XNdpUo6LPUs4gh8myXBraTLKq9NjARpIfvKlkX94x//+H1tHxmnuLOqI++UedBuzPDI0xFH HFHb1mRgqEi7jtOOBpVnSmU0Lbj3Htc7COJetPQc3XtGgmu66bm/H5xzzUj5bKR9rbXWKt/+9rfr fy1t944lLzMri5YHB4uEw7Ut3/3y77ntPp/BnEEr81Y/3fr3faT20M6NdB5Gq89+97uutZX2f2/6 Lc2R2n8vXCe9tKtgZujXJkG7af1jZnBva28jtdHuM3qvRxYsPkMQWNNEkvBc53rzBf6flbYtrd78 tfccKd/QLw8NznWPfvAM+e3m2fPGQtqlObOy7aI9a6Sy6c1nK8uZpe8efuistKyd3Rlr1vTtttuu jrFcIpA46fE/Vqf8pi0iHItSMlL+lMFY0L2+m05vur1oZQza49FHH11nB0Yj7Z41s7ppz+3Ny3je aSLgmSzeiDWruro8/fTTa71Rlrs+7cYjChbl7I1vfGOt3y7MjOmvjKDvfe9773ORcQ8F4O1vf/uY SLu0kXNuMM1yrlzkZeutt66yQD6Vrfxbmyj9nXfeuVrqu2U6URgq0m5KiIXD1KRKU4iEp4JS0Rpu byPTOf2vAGndKs+CFFNgple6DZn2LRQQAi09q8dV/kiQtoUK5513XvWtuuiii8q11177P/fQuEzd tHzyP+u9ppF2woOgtHjGghn/azymYFqH7Ydu3uWn9xnKStkRZPzzvvnNb9bDtcrDNKhFGlaht4bm eZ7r+fLuGhrsSMI2mBioA9p7q0v1YtpQvahHdaIPEGBdoaBP8LfVJk3n+t2Ftu5/03vS9ul3tz7V uRBv0tc/9BfPN81ssY0+aGpZn+LfKz+uN43sGmm6Z6QBAtwvTW3R+5l21EfSroJ+0I61U/JL3yAb tTEyVRvS9rSfkdqcNkv+k72tHXcjRABZqb17hmdp2/xbyWKf5J+B2FQ8osAaSC4K8yY/Xeir7vGs Jrt7+2I/yL++YVGhvLDcITHeT97be3bHgXZP66+NWDT4bUwyHnTD1HUhzdZ/HfqmNI2lCAnCNBJp V27yawxpskp594P+LY9N/rTy65YNeeZ+Y693Mma39NW3+h+pnrk28EG2aJFfsfduQOq8x3Oe85xy wgkn1LHb+Mrqusoqq1R/5d/97nczrv6/fGgPyq6RRWXiOjJWPUtH/rRDh3z7byQoP+1POeMg0lbW 2px71VEvh/FbOWkD2qF3MQ7z3V522WVHJO04gXeUL+XNNUS/6Y4ZoA6l1/KiHH13X8tj15d8siBf +pJyVU7aKs7h/SiOXdLuOgoXf/Pdd9+9lk8X2hqizUWGO0wrHxZ5bdnC0mOPPba2We2qdxzUxnBL s2qbbbZZVfSMc+DTb/+L3uO6VqbaRXO/kXYvz5sIDA1pVygKx1SWxkrIKJQDDjig+q7Rxvbff/9a yd0GRiARsKZK+OTxYxIOyH0acStswuTUU0+tC0+ktf3229drCJZeQQgaFvKrs9Pq+f1ZrWwqRgcA nVeeNQ4aGaGh8blHZ+hOw+nEpug0Mo2Rtd1Ck+abd8ghh9TG1dsINC55F/Jojz32uE8r5WsljVYW hJ33M/A47/0ILJqk9OXLog0CBXQa7668XeP93GNKzjv1CpZg9mHwov1bKKW9qBP1uc8++1SBrR2q a1N1xx13XBWmXRAmX/rSl6rPJgGnjTa4l1LX2qJ0CRd9g6Bp9ek6RMXCHIeB2lSftkUIGkgNus59 7GMfq+1Yn2r9gG8hC4eBpZeo+G2AkyZfQe1J22P1kA/taizkJpheQJ4MtiJJmJbW/k477bTahrQf 7Vmf0La6cklbMpiz1hlctTeRUPincnUxUDf5r++Qu8YQ7VcbZckk7/Q1xMBUu4V/T3/60+uUubHC grmmAHg2ciCPzpGzpvm5Y1DCRyNzgKQY1yyM80x+sWS2vHtP/VWf676nd5S2PLuWfOiC8sGCrA8b Y5pbCLi3yRvuAvLrQHiRZOWurMmKfqSdfEHsyBtjhP5PTpAHjAetbH16bpMbTbZ5J37ZxrXuGIto KjP1rZ7lj3xRJvI7knKvPo3ZfNdFFOmOr83SLgKIMZrsVLdmto2DzVra4BnGQuOuPDZLrnySg8pI PeMgCBxiqW01Wd0tZ1AGCLO22DiGGQHjq3dU556jjhoxBc+TN2OzunGfd6SccM3gHqPsu6Tde1As tAf1oQ2qG/xE+XuvrvKmHl3rXfUBxjxtX7moJ5Zq7aFbnnMC3kP5emdl22tpZ43XLrnQUBa7cF49 q2/lQyECyguirw9b3IrXWM/AraW7CBVwJm1e+Wmz2rVr1KFxznO1Bdc1+I63URy1j952MBEYKtJO yzSVZbGmzkFoq0yLDVZbbbW6kFNDY/FuQk1jVulC/Gy88caVzGrIOggSA4g9MkMQI81WClt8oEOr LOS+KygIM418q622qs9lHdcAHEixigUNxSBgwYLV99Kl6T/jGc+o+SSsGgg/afG5M6gQCjqaUFss 8A5xRFklu3khlBEeflTybMGQfLfGioApOxYLA5tOqLxM+WiwysRij8c85jFVKCgT6csbQe7d+JTJ v7zJv3dqiy+CiUEbJJStdoIgqE8HAWDgUoeEk7Zjao4gbQMjqBP3qyv9oymP+oI2bPDXPrRTz1Cv hJ7BCxkHgwRBpZ+xQCE62sG73vWuKrRYngwY0tE2ndNetSvpCoelzRBc3QFWHlg7DVLanH7men3D u8qPgcng2B08gwDZ0TbINHKODEeiLRrUP8gkbREhIe9bn0AckVxyrvUlMnb55ZevxI6how2q+gpy suKKK9b+gxDpS/yiEWJy3fiy0EILlac+9an1GqQL+W+knbxHduSr27Y9V9pkaxuX+gGpR0xY8PSP RrTkX181bnhPsoBFFhhx5ME1yCDFtwu/EQz9CzFsBEO/dE65kgGep9/6NK4h+sYWRBu5bqS9kSZj IAOBMlh//fWrPGjvKy/GR1ZbQBClQ4a4Tnl4lsgg6s7/8tLqDXH1noiV8d15Fk/vTf50x78G95KN CJjnG0+7ZU2ueA/cgWxSp8ZAh/foKg3gXkqT8pBfZA+0F+W83HLLVWstfmCcNftiFkYdKW/v230+ pZDcdJ2xXPvBN7QV5U1uapvqqBlb3M9w5p2Uk/OeSfaTt1w/KJGUuSa/wXft0LXeV5mrP/frQ8qS LG5yVtv3TvIlP56HkOIJ6sg76Q94zZyUzdoNzoe/ed8uaZcPBtrWV7TNrlJMedVuzEToQxRd0Af9 39qqMjTOqQ/GXEpzU2g8QzlRkrRHz0Lg1Zs238arbntE+ikL2i0ls0voJwpDRdqFZdKw5ptvvioU Wc818lNOOaUWrAqwOlyjJHCAEKdZPeABD6iNj5Veh0ZKkSCdleaEpKhEjZegJ6x1aJ2Flk+LBxVK E9X5CHFEVwcx5UYRMHCwXMov4UOAuNYAIF1peQcaMmtCa4Ss4v5fYIEFaifTgAgWggrZ0vk0wK5/ likiRAoJ0ugoMa73jgY3QkQ6pgldq8EaqJSXdybsldXTnva08qQnPalaTJQJweQawkTj838LoUVY EbieS5sNJgYEJ0JL4dK2KZbKXHtiJWPRI8wNBgQrIWIgaQMdENbIDOKBSDfSzurS4t3qC9opwaJd Gcy1HwOKvqB9a6cGzPnnn7+2XwJR+5S+fiVfzlvVLx/apFBYhBSBTwgiGX63gVub9S7yICqAQUA6 +i9l1MCoD7Jatb4bBIB8k2NkFMJM5pJJ5CM5bSBtxL1LLJE491F621iBsGnziLs22Cyo+oprFlxw wWrEMA4Yb8hM6ZCVyIP72oDN+k/W6zNImT5gQEd29An5Y3zRv/Rp48RobRvpIJ/J+kc/+tH1U54Y Zch0pKERWcYYQOxY+xA0ZFF+u/Db9WZxLdAk3wGpoazLl3sRGf3TmOQwi6zcPYfygPR5DhmBpDCM IavGHUYEfZnhy/eu9Zp8QmRYHREvhzpoM35klXGXktAsucZXBPOhD31oLWtjqxk9BIqC1JV5DfKE 4CG0rN69ygsDgnai/rwvOWhcHolYKVckkaHKOIrAg7FROT/kIQ8piy66aH2eNij/Tfa6p5d84xza ofPqwz3kLF5gvJceeWoMaEog7iJNxNk12pywgtoRY4p2+vCHP7yS0uYeIn/aHS6ET8ir9uM+/EC5 eh/9p3EabV8aQitK0ztpA+7R/vAmhzpuSu6cAH4xEmmH1mf1CeOUa411lGdyQD9/8pOfXBXuZmnX /tWFstfe9QllpK9pt/7T7huMeepI/1EP2ioepgz17ZZuAyXazIk8G2d7Z74mAkNF2pFgWpXOTIiY ymElV7lIgY6gQF2j4wPCqkI1bsKTINGJdHJpErqEjwaO2Kh059v0C6GGULBqAmum6Xwx1WmjhIlO RuCqbBodKwRB7h6dA0Fu/oRt+sT9Ol6b1qJREygPfvCDa6chJLybRiBP0kH0Nay2UNW7abQaks7e m3eNltDz3fs65MF51yFUBIA0NVxCUZlo2DqITqrMvZ97TFsiZRovJclAFcw+moVNm9Z2CQ7TtwYx Za+eCViKF4s5ixHiru11BzBtk4VdffrUftSzAdj1BioWMILX/9IknLVvAygBpX0YYAmlxRZbrE6Z SkfbYXnQtg0KhPgTnvCEqsiZDjZAGZxZY5BwbcRgr02BQZ4S2CxrrjPV7tCu9D1EXz71XfkIAiA7 m8x0MDRQXrU57ZHsRBJZK8nDNpAiagZnBgjfyTBtn+sEBVF/aOME2U2JZcBARPUTbVObd5DbZCV5 yrLJIie9dl77RhaRdv1D39LH5FEe3Kc/yKvr+4GsZ/UlA8wM84vVd8lp74nQG49YSynZng/GQX2L ot7P0q6Pug9R9v7uI2+8f7PAs2A7J7/IkD5P/rBmUpLIJmTEveQ+wu+dyA11ob86zAQrH+WLLMq3 dIxnFHJrv5SldMg4M3XqjZLTSCRSxRJKSZO+MbrJn36EHaRHsWJoUw69M8HSUA5PecpTqmGMbPO7 yadeqDt5Rn61h9ZOkEbKHj5BBpKfCLO60+48u1l3PRO0X+MlIx/yaUxVLuS+dumc/Cy++OK1jJSX 9ySHGTg8Xxvuch2kVN4e9rCH1fcw9gMlTRnoJ8qW65T03Idr6EdIrjTlA+RPvs22Uzi0c2NBqyN1 wKKP7zS+Mifg+aOR9tZfKGHqAm9CpI19iLp+hDMpB+0btCNpGFcd2mKbBcKjKHY4ouucZyzDeRhB 2+wbrqTfyBdu1xRhkCf9lGImH5PhkTBUpJ1l0cCuM2voXY0IVIzC0mk0fp2cAELaabGEcq+miNBK U8U3gdoEAwKughAQVgbQkXUkDcJ3DasLle1+nV7n0pF10AbnPFMaOldzpUHEdSYChVVFg+nCdTR1 xJ7A1uGRNsKUZac1tG7eNVwaorLo+mo1mG1oVhSNvxEl1yo35asRNhjEEHlpUlyaoAhmD4Q+ImIw ZuHrJxjVq4OAITwN6P1IO9cBAtknIa8dqX+DNuu99tjS0kYNoix42pb2T8AbnLVvAydrYpdA6z9I CSVXO+iNuOBaK/S1qTYbIE1ESZoEq+doqw3tvSixrkEiun0mmN7Qjsl7ss9gSX523RnIQiRGe9Mv kBHtULskx/SBLlEm9yi+5KZBV1sk61jlyXokqJf8asNIqHZNMWiEDDyH6yGjkAEeUWqyuLVt+TLG eF7vmNFAKSeHzUYheJT3NlMFTaazlpp9a30EmTHGscr25ptCjEAqNzMBZLt3JW+QPu88EhHzDizt CJP3RoqVK6JJSZKm9yYT2rsiROQNGYQISds9xkJ10VtvytS1yrTlQ/2RVxR8M4Lde0aCtMgt4xkD l+d10YxzuAOiy82JktWtxy7IRjMtuAE5iDyCulYHxmkGht6ZDTPQjCBNnkIbu1lzWa+776Nduo6y p+2RfepI3aoj7cBn7/uQ9cjowgsvXOuiWXQRfeMImW586LZ7oFQhoDiSWQbjOyVM+Ssb7bTrH+5+ 3Efe5FFbnlOYGWkHCoc2on3yAkDejSHKhvLou3ZICRkJ2g5yro7MvqhD5c9ApuyNtxReda2cKeza GKVXuekj+i4oz+Y6jW/2LpCdCAwVaUcwWBGRBYTZf13oUApTA6O5qwyFjCjYslYj7TZijYI7Ce1S Qzed0Rb5EXCsCQQTrZW1hOAmkDQM2qfBZGaQR51CZ0FgkCCC0gDU7fQ6mP+kzbrSC4KRlkxgI/Ua q8aBPBEG8iqPLe+EukFC5/RevUoAIUBrpF1qmP2mcZSVd6QQKHudl4BQvhrrZGiR0w3ah/I16Boc aOldQtuLRm616X4+7ci6gaaRdtPxXLK0cX68ZqNMNyPeBkxTptq+tkJAaifalXZPUHpe9xlIhDZm wJcHgq0XlGf9gyBFUrQ1FikCFPnqEpEG1gqzRQZreY+LTNCg/bCgkXWIV7OadYEYOccQgrz1kkP3 6C/GDfJQO9PmW39j5TW4I4oG2972p80iVBQDbRuxaf1C/rRdspQi0NzP9DGf2jO5TU53LeS9kE/E mAVb30Eau+OV/sxFAsklu40BgMwgWxT+fqSd4UmaxjpjmGsYt1jDvX9XKe/C+3VJO4UCmSWvKCjG AcYb8oQscfhOISJvKDBdS7Z3kecWGYtskDf1anaukXZyiCykvCiDrvwZCepb2akb8qlr/YSmaBgP ue+x7iPX8ttvxriRdjLLdY20I3PIIKu49tJcYBrMuJCzCG4bx1npvYu26d17wfglTe0Dv8BjkD1y Xl1rz/LTBWKPB7AkUzK1X/9pe43L9DN8IL14hHauDWnXykr54x/aai9XMPOhrWj7ymEs9TERGAtp B33VmGW2AMHGr1xL6dXHvW+bxRkJiHizoDNEUTApQGaZ8KMWoANav9Ce1DVFrLUhpN19FIBpT9p1 +NaJdOh+Gh+BRFA2Iup3I+20SAK02+B0dJZjRJkvF8FG01LRhJTfBIqK9GxTKYSmTo+E6FyjQSfS ST1DByfgCDSEh2sBwUmoAtJOkLDAN1ecLmhy3o0Aaa4wGgvhSIC0vOtY8q6T6ZgGJ42w29g1LNqk 62jk3Bt6iaJGaOU2wWAwYF1ALGn+ppCVr4YdzB6Uu3LWRmnnrC6jCcUuaTc7072WGw1B3CztLGos DCxw2jehrG0bcH1qK/oTJRjhYYEksAkdbYMA1H67xKGRdu2LBa+XJIDBl+Ak0KQlX5Rpz6RQ9rOc 6Uvas3soGSNZ/4LpB+3YVDPia7ao3wwfUm7QRoxY3cl+RId12oBObjuP4JCh1j6R6wZ37buRdrLd s3oHeeQMCXAPWUhJaH2PHKSMkt98lslcpK31NYRN32PhNI70ErAGpB2RdY/+TS505bI8cSMz/rX+ DY206+dtPGlAmhtpZ9QxDlC0yRoH2d/t3134v0va26wbuaP/M4QhiPLrvPd1+I/hQF71fWB0ItuQ UmMHVwPpcsMjm9RNIziImjLsWrhnBjLFmCYd43wvEbd2gdwk61yjrNQ1GWjmpllKG0Yj7RQDnEGb 6jVAeEcyTDmYcQTlpg0g5v0UTmXEMuxZFEMymFxVPtoz0txbR+qRAcbsvPrVNrwzokj+a/P96lV7 ojhqD2S0NkQZZITTv/Ca3nfyfO+jrCi9I7WXicZYSTvgWspR+SoL78XNR54pk70eFr0wzilHawfw JXLDfZ6rTnqVQIqCsVY/pyA1LiTPlCz9kaFh2rvH0FwJAwKjn4VPhSLIGt9YSLvzKpbg0DFZHQlf pEHj16hZ7GnjCp+VQEVQCkyXuH8kEMCsCabgCB+EF2knMFSoqRxaXNPgkHYk2/u1abUumoKhQzbS 7n3aoj+DGSHS8u0w+MgnK3/XzcWUIMJFefD+vQ3aAIVsyaeylk9CTsdu03jKKu4xsw+Dg+lg7cPU 7symH0cj7QSHNmCAIFAILz6J6o7yaTDRnrVhbby1E4OrAY+gMyhxZTEIe45+1n1GI+2EPvLSj7Rz wdE+TB9qR/qOZxjcEQd9oxdIu+eafZK35pccBI20I4OIdb9ZQZZU8gnJQVi0Y4RVf9AOtX0yjwGC PCPD/Y8I6IP6irSROv3D7y5GI+3at37F4CJNship7vYx37V9/bHbn7og45F2MpY8QNq7BN97ex/j STeP3oE88G69pF25sHjLt+frZ2SI65EhY814SDtSgsQhN5QUPsDqxuE9jbvGIITSmGZMVhes4OSJ dDzXWIiokgnSIaOaC8OskHYyhQxrlv9ekoW0k6+s2cZRygqSZhadcYKltVsOo5F2CgdjGQtur3Lg nbUBZLGRdvUjDWN/P2OE9iNNXgSNtJuBV+4O1vveOlKuDGryz+CijzAqkrs4gvLu186kQyarP3WF fDbSrn/hA913kgYe433aO43UXiYa4yHtvVDO2oK6oGj0GiW78D7G0uYyp+wokLiTfkLRVLZdKG9c UZnok42cN/cYebbItZ+sml0MHWnXiZCSfsRWhyLMaME+ac9d0s7K123IbYoJWTbVgaCobMKe8PNJ yKognVhjli5rSr9ppC7cp5MiS4QF7ZYQtrAH2UaGNUSEGnR2yoOO43svDBoEI5JOIOpopjsJIYKT lbSbd0IK8dEpNfTW0RD0NhtBoWjRExo0bnkkYA1CBiidnOBQ5hYmIvum05oVJZh1KG+DILJqpoSQ GmlQB1PTSIcZEvd1YRDvknbtVhtAIgyAlD0kmzWitRODusFS29bG9SGWBsKIEDPAd4V0I+3SY7Xs Ths2eIb+xDpjINUG20JTblv9Zqi0b8LRPfpYFMKgoZH2ZiXt1za0U+SLrEcuDbrkPVLIwq3dGbzJ sVNOOaW2bZZmizi7pL1Z2rXZLrRPchf5RQa6yqoBGylHNN1LFpP/vbLYe/SbZWroknYGE2Spl7Qj Cvpe19LuHcgDxK+XtOvrLLzybbwwFrAqNv9dxHQkQqPf9yPtxjG/lS2C4hkMQZ7t8O7yqp+zzKsb 8kD/N55QzhkqjHNm4BBIMop1E7qkvS0AnRnaLIWxkKuo8bELdUBuakPaBTnnOcqFtZrC0W1XYyHt ZG2vckAZQBTJMe0NkM023pK3vTBuI97GcqTdGK3tKHd1pAx6ibJ6JM/NspPD2gLZTHnEIRBO/KYX yonySUEgZ+WfMbJrae++k7HI85WTMWFuWNrxJ3XXS9rlTV56x0vvTUHVriiG3dkN9aq9d+/Rt9ua lKbIKhPtBInHdSjp7b3dS8nDkbQNik7ri/qw+yjdeFYv2Z8IDBVp13g0Ni4aiGSvLx5hgfywYpva cA/rYyPtNPBuZWkUKhexVshNaIwEDaZptyw6/QgLeEYTCDo9ZaMJRhXfFhsRzI20c4khCPioET7d fIJGY5ChYBCUTcArD426aXozA0LuXVlKdYLe51B0uClIl/tOl7QRWKwUyLzOMNZnBqPDIEpAG1AQ g9GUQfWh3RAWLALdAVf7Ryikg7QTGMiIAV57o/n3Tn32Qh2r/5FIu7wh7QYhA0qv4kAossYQgASe gdkgZKCQLwNMv4HLf/LuvZTBzPIZTB800s6ooU02mdlAFjKKIEqIEauZawy2ZLD21F3Ih7gj+Mg8 n+5e0o749JJ2/QIR0i96ybEBXt9iiEHeZ1XhbMQTaTdmGUO6Y1yXtCNcjSiQ4/JFXlPqu9B//a9f Ie3KSl/zn/6IcIwkb/T7LmlvPu3S7LqAdOVDL7wTki7P5Ja6abO+xtPmameWoB9pt5ZqLJAm5cXY xtLfa+FspN1Yrx5dT6lgKDDuKgttSPnAaKSdewx3p5FIOwWqS9rxFvLSO7WILV1oj+qcMRBpVy7y T1Yi4MbcXgKO1xiDBdjQ5rVfY7drcQRKQK9BDiizZhiUg3dXP8YJfUUZUHjGS9r9piRZ50E57acs zArwM/WvL+B16rdL2vUN/Vp7puRoPw79wfU4jnV4zSPCuxojlbe8ulYZSVcZNmOX/uvatjjVu3OB 0beUn/Ga8RJHUtf6RXsG45cZGPfhaf0MVLOLoSLtGrxOZOW3RqYAm+ZE8CDqCLvKapZ4VkQFKKZq I/INviMdOhNFQKdV+BqhQ6PRALv/qUh58Jxm8dZ45KNd2yrcdaaqCDnPcr9KVeF8KhH/tlKbMKPx i5VK6Gg47d10IsJVp9ZxmmuQRkR4ajytgXiGe1reCSH/gYEIgTMw6fDKRt4JMB3e8+SfUNPxaZIa trxLUwNvAotmPquDU3B/KEeDMFJC2LBkqTf1oW6QXr/VAwufetEWDBoGbnWj3ggrbVnbkh7i6z4z O9qIAU070za0iZa+e5tPp2ch7QRVc9dp7QcMWvoRFymLugh5glNa2hIBqv2yGpmWJ8Tdrz9ou/oD 5Vm/cY9D+zawI/ras4GhS1aC6Q1tBVklc8lU7RPR0Ha0ZZZtRISlELkn17gXIC4IIcMMWagdGvTJ eQO0caIpvkgP1wJkBvHuJe36kTaKjLHGIWf6jDSdQ7abVZ9F2vOk69DH/DYu+D0SnKdEIMgMNP1I O1Ih793ZAOMi0seSjZjro56jX+n7+qKyYQGUV0qGdzTmIdLuJwPaWGAckRe/GXmQdu/tHaVr3GUx R0SNJ4w36qLJFO/axqImf8zOKjfKjv+lY2wxjpNlFPbmOoIkIsqOfkEZ+kF6ZibkVd56o8I00k7G Grcb+SOvyCnGMmXOyNDexbPJTTKrS9qlry1qk72kHZ9gzGDl5SsPjHs4CA8AM47q0TMcvrNue761 Ykh7G7dda6yVb21cW/eeylbaykckHLMYbSz2fG0eAZdWk83uky6e4J3cSykB1yh/Y74ZqV7Sjjjr K96pn5LWjDKMecoSMZ4IeF951KeQY32jS9q1Ue3TGMS9iruPT9drb363NgXeyywbgq4Oza5QFtW7 MtF2vJ90gYVeHTunb7mPjKDwt/9wuTbGgXaHI6kzdeEdJhpDRdqRGY1NjFQNk5aOhNCcfEdYWMG7 nUnBE4JikNJCpdOFBsuy4j5pukZ6LAyEL4s+YdAsfzoHQaXTyosGo0MT4gYAnYlQc7+OqtMRtNJ0 GDD8/9jHPrZOo3Wjx+i0NoGSD1MrFA+NUufTQNril+ZzRvjq2AgUoY0MtXvkQwOVLkGjIeqw/Afb Lmo0RI2UMNYh5NlAYCGFRknYUxb8byZAx1TGYt3q5HGPmRioGwMV4WEgNcVrMZ02RWipH22H0FXn NHnXtT6gzrVVFkCLuoQBI5Da1BwlDwFX9wSOutZGpI/oa7faIeFOKBr4kSMKhOu6QpqANvh7vudo y6YW9UPvoK27Vzvxf7M0GKCReQojcsPKgywQbAZ1A7r30Z71nyBoaHKOkkhG8k0no7Q57b7545KB 3LEQHm2I5RyRQN79r59o6wg+A4l2qi8gNOQeQwa5bmDutdS6BnlBHshFbdlvhBXRNVgjAM6xYutD ZCb569n6MCPLaDNI8s0yyMJslgpp1CcbWFc917vKY5vpbETBWEPp5d5GXngmBZ+8d87Ypv9KU9qM RpQUpI+80R8p18oISeQ2oMzIAWMdpYWiQg4Zx/Rx4wQDgfTICmOl68gVYyvir46awo6gKhMH4xAy aDxB9hrBIvOUo/eUn94xeyQwgGkbyl/66qyBsuB9l1lmmWo1bbMLSJX3Vq84AGLG9UGdeifyCgFu BNdYygLOLYXi0+v+4P0ZPIzXyl/e3WPsJH+1Oc8n91oZyBeLuTZprG8yE6/AXcwEkO3GdPWqzapv sd3nmWeeWsdtPQAjjnxRhNQPfkLOGwNwGWOMOkdoW/vBafQR/AIJ7b6T/DOiNJKqLntJO9nOGi4v OE3XHWV2oO0oJ+WtjeIqXdKujvQx/Va5qivtRpvS971zlzRrzxR+ygcFhSKL3LveM/S9NnsF+qM+ q8+pU+3RM9SjsQoPZHVvBi/9ikxgHMOPKISTgaEi7TqEwtJhNHTCF/lEclgfCCakpFm2gUCj+dqs AsHpFQB+qxgNX6NV+dKTrqlYQgBJIYBAxWgMzqt4gwIhobMjHioYAVL5fM5UsMYhfY2LT6bviLbK 5fYCGp+OhsyzauhEtEF5kSd503AJ09ZpfOrE3lleNCzfCUB5dz0BrhMi2Do6hYc1X3mxstBKCVRE ivBlFZB/702I6KzSMUjwO1TuhAgLSUj7xIGSqa4M1upSnahDbUVdIMCUNQORfkCT197Vo/rRVghk 9/pfXbIegkHDoCxt7dGn9iVd7ZaAI2wIOILKswzS2qe+0RXSBrtmuddeW1r6g37gf4KQIkxotf4m Xfn2PMJPP/YO2qs2JR3ty8BPGAdBA9KOTFAUWUopoOQP+Y9sGUgRFK6LTSZpp4ildkX+uk57J3/J VASEzENQyXQk3TlyGaHpJe1gCr5dow1LD4lBsgzc+pD+ygKNGGjb+oZ+TPYjcb2+1l3oIwwr5Di5 TAnuJe36Va8VEZFxn3GD0uF+ZYM4kAmUHWWAtDeDjzGBYmFslF+fxi992HtJjyLDYEMOIDZtJhpY Fynorb8bS7wrWSQdxiXkTf9n5WYBVWbkivJAQpUlJQOJpHghf6AcjXnG1uZiMhbIL7nnXcjSlldA 2hFL4yhrctcliCJDpmlbxjyWeOWDNCsbBwIPZKnyQfDNdvSS9ubvT/FS3400GlfJaG1HemSfdJRF I9LqCLlvip12z7ihHNynDSOXylkf0O7Fi/dfawttdkTazmvn2qGxv83Ku58y5lrQZ3AG/YtC0Uva vbtxxjtRorrjgfGI8my8wst6y3Z2IG1tSF0i25SyRpBBPigrzmlPysR7U3zUd3u/BuMKtzmKjP6h ryqXptgYg3v5IYOaujNbRyk3fulXOKFnNKs8NOVMOZNF6m8yMFSkXWfWcDREGiqtXUf02/8qQOGz BDRokAgngcay3Fsp4HpaL8FC4LEI+NSZdEydt2m/oKKQZ0KL4Pd8g4bpFZ2MBqvBIeQIEYJCWBFm GhSBqAHQ1Jo25lqNTmf2bgh/62TuJ+B0jm4jAQKboPCO8uI58s4CytqqPFrD07kRLcTOda0sCVOC wcCCsBN2CJbO7bzna6g6D0GvY7DAN1IYTAwoeiyI6kl7IihZDw1orAytDRp4+eER+NoHgal+CEzt lUAyCHUJgrpC3Amd1h6l7TdBo30QggSbgZIQNAAiKl0hbUAxo2MQZ4GzkMx1iLc0WVpYRbXnXvJN qGmrFFsDkOulo80TnJTh7kAbBMBgYvaUnNJWkE+yEzlDGMlJRIuBpg3U5C9iSd6S49qaNmqWigxD KhFg7RExRlRcS0Zz/+olY0DWIjCIKbmI4LJ6NpLiU9+hUBhvyFef8qxPkN/dcaQX+gurr/vJbv2h S9qRAGRB/zYTi8Q3UDL0eX2STKCsIPbKRXrGRgpKI4TGQTKBvKFwN0u4T9cb81yr/+vf5It3b2Or cuaqp98ag8mr1v89i6xp44N7lLN09XfyRxkqZ+9hbFOnTVFidEMijT+UhrGC7GBwkAd57pYPckc2 UkBYVLsWW+DS0RbsayNIsHwoa/nwHdxHzmpTyruXoLLSG9vJT+/cZCCyiSgbp5WBOtJutWvpaHfK X32xCIM6kg8E0Ds1q7D0jcUUWXKUDG6uUqC8EffWR7wTJRInUAZt1rbBuKMe8Q/11n0neVAH2oh3 6p159X4s+BQEHAJH656fHXi2fOr/8qh+e9NWrt4dgUbIjWPanf7fD9Izs6DtGqPc5zeFeSQ0+UC+ 4Ec4m77Y7ZvyJT3cSDkqh16uNlEYKtJOaGjYNFkNT+HpgEiHKbk2rdUFIamzmK5rU0j9QCMmoBBq xBtx9p3gpIH1NhaNgmUAeSJwXG8atKt9aVAakXRcQ0C2Ckf6WTG7ri4sK5SH1ghpkMixd9TIulM9 XXiO6w0gLS86kvSbANAwlQGNkWAjKAhNh+vNQtCi2/QQ4URQyYNzBiPKCMFq8FHWIVgTDwKTYCSU 1aXyN0Wo3LtCQruhkCEgBnJth1DRDrQhn13BDNqCtKWpjWsD6ly7b4OYZ3AtkEZrn/peg4HcQEsx JMjNEJki1P+0E21Mv+jmtQt9g+VNX3G99mfa1+A00j3B9AaZhIQhBYwgBmdEghzTFim0zVDSBWJJ 5pNd+sgpp5xS5TlZqM2Tb4id+wzaBmSDrb4z0iCuD5F/+hC5Ti53B2fjjf5AZuu/2re2Tl4aR0Yi E+Cc/OhT+imy0h139Gd5QwY9t1cBQFbkn1JNzktHX5QfeabE9BIJVmbloP/KL3kifWkpP++rrMkD Zdy1XsoboxjXEc8kU5SL+5Vx1yoqr8Y8pFCZMKDJm/vJGVbU9j7em8yTThuPxgL5wQvMpCBO3rnJ LgYD74FDsN72jqV4A9JlDPVc47Ey8N3RZtrdpy61KXXRyzcYSvAN5dXaVoNrtTs8oHEW9SgdhBi3 UY7y2iD/ylIbb+O0tD1HfSp7bbpXCVFPzpPH6tV9uIoxolfOGse9kzFE2fS+kzpQH8Yb37vjgTZJ aRDow+yQZ05HqA/1owwYc/WVXs44URga0q4ANNBm1W7T9oSrBuuzn0DUwHQ0DXE0gQnSI9Sk19LU +LuNtAvXE0wavcP33g7hmdJ0vptH10m7VaxPeWxC0XkdQj7c364bCS3vntMv79Jz3uGctFu+2+Fc t4y6efBuniE96Y5WLsHsQbmrI3Wi/LXffvWvDlpdtvpRf/6XRr97unUq/d42q06l4ZnS6U0DaTcA sJaxKhhwXN/y2/IxGpx3XTcPM7snmL5AFFgIuQ+whiJ6rR1rP70kowvtynnXdmWi/33Xdv12SFO7 9zmabGv9zuH63mvd32Sxw/f23NHg/Gh9b2Z59Ns57+rw3tLoyoR+efB/67/d+6CVk3Sl0w/OuVd/ dr/fvXmHbrm0saa9UzdvLb8jpTMakGuz1GYaWKj9lq5jZu/hf7LI+/vu2a7vzUdLR5570b2nvV8X fnuGMvAJZGibIUHo2/9dyFMrY2lDe5b89D4HnG/Pcp8yH+k6abT37kU77/C9CxZosybcdMykeM50 BOMs2WSWnCFMWU8Who6083XjNkCjDoJgzqKRdoqzaWOWoiCYTDTSbkEg1wCWxyDoB0Saaw9XVdZ2 3/uR4DmNfmQZkGQzMVxWubGw6vcS40EGzwEuYBYTm0FB7Kcb1CHFyyyJ2TfyaaT6nggMJWnnO2fq KwiCOYsuaWdVMK0aBJOJLmnn/5zoQsFo4F7KVYEfPpeQXjeiOQ1KQ3O3IT/bDI1ZCa5e3HmE6SVP JyryypwAYsplhvcDQyq3oOkIpJ3rm3URZNVkKy5D5dNu2sGCB6uv+XUFQTBnwceVPyb/YpYsfqpB MJlAdviyi1plkeNoa5OCAGlCfvmd8+ef2y4b1gWx+FsvIAKPBcGiDln3wKVEcAiGSP7+w+ReopwZ T7lJWtg9WmSkqQ7E3TGZFvaGoSLtFqy1EIo0vCAI5iwMQBZHi+RhCjqkPZhssJzyFxXO0OLnkPZg ZkAoLehkZZ/bLhvILLIuxKAoLmYpRYHxSY5yi+F/P9luFRMNrkjezQLuBBKYcxgq0m7xKa2OtYXj fxAEcxYGQREJ9EExfSdq97sgGAkURZGOuBEIy2gKOgiGBWQmX3WbHgnziKyzrPMFt4iTL7SoKyy1 wwJ8bJh876cShoa0g5XKwjY5WijDIAjmHPhisgjpgxTnbniyIJgMiGqB1PCZtfBtMiMzBMFEAxmn ePJf5y3ALUb4UQtQhducWSjQIOhiqEg7zQ5pcETLC4I5DxYWA0wLNZZ+GEw2tDlT79qcz2FyIQiC Bm3XIlSx8R0WooasB+PFUJH2IAiCIAiCIJiOCGkPgiAIgiAIggFHSHsQBEEQBEEQDDhC2oMgCIIg CIJgwBHSHgRBEARBEAQDjpD2IAiCIAiCIBhwhLQHQRAEQRAEwYAjpH2KQ0zjdgRBEARBEATDiZD2 KQxE3SYO11xzTbnuuuvqxg5BEARBEATB8CGkfQrDDmy2ST7wwAPL0UcfXX7961/H4h4EwVCC7Lr3 3nvLHXfcUf70pz+Vv/3tb/fJM7ul3n777eX3v/99ufbaa6uh4uqrr67Hb3/723L99deXu+66a8w7 +NrtV3qe45n95Kbn/+EPf6jPa8+64YYb6n3uDyYPjFEMUd26nRnaPerppptuqvU6GuxYqj49Q7sa zeilXd1222213bXr3T8n4D3uvPPOMbU576C85FFZ6Et4wmjQ9u++++779bf23x//+Mf6fzDnENI+ hWEgO/XUU8uaa65ZNtlkk/K9730v284HQTCUQBQQja9//evly1/+crnqqqvuIxxI0le/+tVy5JFH ViPFQQcdVI/999+/7LvvvuXYY48tl19+eZWJM4Ot5Rk4zjzzzHLBBReUW2+9dcaZ/8Izkbnzzjuv nHDCCeXQQw8tBxxwQD08/0tf+lIlb3Nqi3rl4iDbG6maqlB/lKSvfOUr5aijjqpl7lNdaRv9CKgy UV/ax/vf//6y3377leOOO64atJDdfkBG1e8HP/jB+oxjjjmmnH/++bUt9JYx0qwtnnbaaeWwww6r 6bv+3HPPrelMZp3I/4UXXljzesstt8z4938hDxRMfUcb1S8OP/zwcsYZZ1QFZiTcc8895corryzf /OY3y89//vP7+o+25p1PP/30cvHFF89UAQomDiHtUxg073POOafsuOOOZbfddis//elPp7xQD4Jg agJRYHjYZZddqkxD1JAKuPTSS8tb3vKWsuKKK5bll1++GirWXnvtssYaa5TnPOc5Zeutt66kbSxW QcTs5JNPrs856aSTyo033jjjzH9JzGWXXVaJ4qte9ary/Oc/v6y11lrl/7V3Hy2yVV0YgFUQwZxz TteAmDCAgopZr5gVMStGTCjmMNOBTgQFRTFxVRB1pogTwTBQERFFRJw49F+cj2fjarb7O5W6u+pW 9V0vFN1ddc6OK7xr7XWqTz/99NLPSSed1N1+++2F5MyqHFGW+a+//iokSuZ0rdp4/uzXX38tp8bX XXddd95553VnnXVWeV1zzTWFYPedJsss28ebbrqpO+ecc4pM2DPy8uWXX5aMcQ3kV7Lrzjvv7C64 4IIiR1633nprIal1EEcefvzxxxK4XX311d3ZZ59d2j7zzDO7W265pbSDLE9jT4xDoKDfRx55pPv9 99///eT/4XRBIHHppZeW8Z1xxhndKaecUtZNYNoHBP3rr7/uHn300e7666/vPvrooyWZNp/vv/++ rOFjjz3W/fbbb+X9xPSRpH0Ng5PjcL777rvi1BzbJhKJxCJC5vqLL74oxAPpePfdd5dIhCzohRde 2O28886FuCMjSBNiHaTmq6++WiL5g6APgcF9993X3XjjjYWoIMKAxCAqSAoSd/LJJ5c+EZqbb765 u+KKKwpp068AoSWD04JM6Kuvvlpefl+rsA/vvPNOd+WVV3bnnntuWfN777237O+JJ55YSPzbb7/9 Hz/nnvfff3/pHsTd67TTTitycv/993e//PLLEqkW1H322WdlTxFv8oO8n3/++eX6G264oZDcOEWR wbfuxkAuBWyu97sgzvtOXlarVIZPV7L1008/dS+//HKRw6222qq7+OKLSzDZB0GDIPPUU0/tjj32 2KIb1u3yyy8v4zTfGnRK+cynn35a5rv77rt3+++/fzmtqoNeQeKDDz5YxmANZlUOtKkjSfsaB2PE wGwKR6eJRGLtgh1zcoh0IGjIWJAI5QFIM2Ly1FNPlet++OGHkrCQLURy/vnnnyWyNQjqkl977bXu 2muvLWUOiAnbCX5/9tlnSzZddlc/n3zySffNN98UMi8o8LfSHVnPWZUMmCtyiGAJONYqZMBff/31 ElAp8bCvSjacanjvhBNO6O64444l8srfkQGnMgj4c889V/aKLCCZcUoi+Iua+D///HMpKENIZeJl 9z/88MNCchFxJTbkBGT2Zf6ffvrp7r333ity4ERb+Y6gz6mPgFFJz2pAXb6AUGAgUNl22227zTbb rLvssstKvy2cTpBH8kpulYpZA/Ip0HUSYA0Dyousn/IZAemBBx5Y2t977727N9988z8yTffMUzAk uLFOiekjSXsikUgk5h4IN6IhUypDqDQgSDvCjLTKqH788cclW4i0IdzxGpW08Dnig2QhXOp9o321 w7K4QfSQRmRHNj3aNj79IlZ+BtmfNmRElQMp5fj222//fXftwbqanyBFuUc8eOkERK22+TuBUcJi L5yqyMw7/VDaovY69kTJzDPPPFOIr9JR9fAg63zJJZd0V111VWkzSKqMPaIvKNSW5yNAPbiacmRd /Xq0LwhQkqN9z5MJHldDHpykGC8CThadGOyxxx4lyOwj7Z6teOihh7rjjjuuEPH6WQsE3bzqDDk5 t2bWEdGnTwcccEAh70h7+7CrQFj7xkE/2s8Tq4+FI+0En6D98ccfJasganS8VSsMEEwCJXL2k2BS TA+fUCA1WIPKRRhqRkGUrn0///7776WHMFow2CJvbcaYRPMejjKmeHBJ3aGxOK76+eefS7uuoSjG po847g1QAiUusjx+1g/aaFv2wfwZM31TasdnPjMudW+iaspaHw3H+rjXelgX95pHvY6JjQN7UMuU /eUoQga8OAzHmPa43jN7617yRq5amQq5YeTtPYejnfo618S3LZDL6Ev9pvvIGMfkcy86SZ/IKedI tulQ23cN7bte/8ahhIucDrsnsemCXCPtCDUiVJN27ytpkHGW/avt5LjQlqyk8hbZ1sgcsqPsteym emgZW3Lq/XHguvBZ7CxdZnfpYD1O/dM1esuf0Q86Rz+8vF+X3CCUMr0evD3yyCNLuY6SCXqknZqM 6YffCXtPj11T+4QYpz7Nj87TT9f6WfftPtljfZmP8ZkfGzDuukwKczAG8277YGvsG5IsG89vWt8n nniikE/rYm417DXi63kHNk276uIRVoS+fUDTHJ3mCA6UvOjDmKxzn7wh88pW1NF7/sI1XtaNT7bH QaDHgTkbp9MeRHnDhg0l6++EQZDRlsdomy7oXya8zqgPgv1zYuB0womTNTIHxF15TEvK+QnPfwhk 77nnniJjielioUg7oUV+ZUAcR1E2R1aMqSMuBDjAqBDYxx9/vES86tDeeOONIoyiR8dpMhTIRw0E 2rGbB0tuu+22ogweevE3w90XSSItjs9kaCiH9o2JU2FktEnBGBDfNuB9RoFjkDVgSD3NTikYnxrG 5xjYPBxlMeRgLRhWn1FgR8aibUe2jorNn9J6gt0xn8xQGCGKxjBTNp8ZM4f35JNPluPA6COxcWB/ GHb7TabIub21z7KIDKuXelvfVkC264CSE0FifHsGw1vLFKfB0TPMHrSz92pDXSvYDMLsOnIpu/T8 88+XLAqHRl5eeuml4jyQGnLrbxkqmSl6glR5aZMukf8aZFfwwSHQA/2bI900H84uZTDRIki7jPog 0s5eB6GaFJIYHtYju+Qe6QPBKfuNvOhDVr8ljYNAl/klvgjZ0jb/cNdddxWdYoddA7K/CCedYNf5 BmRTnTQ9FSyw7aFPCJI2lCfstNNO3Z577lnKOpAn+s0vAV0W/L/11lvFhmhLtpjeCq5jDY0DMaXv vjFF265hg/itKPFgXyQSEEY6S3fpMP+mPKj2w7MCG8dfC6pwAbIiYYfIK/Pg69ukm+QCeVm/fn2x U2wS/4m099VoC5r4dWuMS7Sf1yAf7Cl+ctFFF5USHu9JsLzyyivdww8/3H3++edLaz8O3E9G7VEk Hcm67L/yGInCGoIU3xAjC/7iiy8uBS367At8wGeSd4JLiR+/4xb77bdfsf99euVa/QtmBHGJ6WKh SDshRTRlUxgqyihSPvroo8vfDF3UplEoD18cc8wxpf7RU85ejK6o8IgjjijCiNSGMvtJeV2nXUaa QotkvRhThqCGbIV+XOsYztGah1a8XnjhhWIIKBpCfPjhh5eon3FTL4lIE/hwRAxfGy0zgAi7DAKj LzoH7SJk5qBv/TImFIdyIfuMNWO7bt26smaMDgh8GA7vWUMKZ/2MmXKvVv1dYnJwnByQPZTV4UDI rz3m7O0PmSMXnDj55Fzr7DTjLFC1nxxZXeMpG8bZciY+V2ZAZvTBOXNkDLNrkRMBqwewBA2+RYAc c4oyb3SH3NInzoyc3n333WWc3nNk74En8h3OSbvGj5xok86Envmd3nk4DDnJjHuixijSjoySa8Eu P0DW6FOQ4lFg29lmdjhKbIC9VFpAPpFZtndcIP7Gg3jTMwSOTitX8Ds9jW8j0T/CTd/Mg6498MAD hVjKovNB/pb5thbaVspAd2vSLiBA2tmICL5l4+klPaPz5sLm82nIXqwREigze9RRRxUyziaog7Ye ggS2RYDOR+pXG/aCDtN5Y+WjI+CZFfjR8IWSB/beOpmD98mHNashCYfU2xeZcOtkfflESbj6FAIE QYIede3I8LDEgnW3ZtaZDQ0yK9EmYLKXfHCb0BgF7dbEWeJDqQwf3nIHfdknnMOeOBERbJBlwSAb 287Buukj5IGdt6f77LPPQNJuXdhsci2hOqgiIbE6WCjSjswgKpQKgWCYZA84fzVXCLkIFCgcgrPr rrt2u+22WzFUyIqIm8AiB458ZLsjM0CB1G0xmJQZsZDNREYEBr4iiTKHULpe/wylCJ/Bl5FBavTF WDN02mf8ttlmm9InpREtE3bOhfJEHR1DU4PDYEgQfmMNAy9KZ6AopGwIB2ZeQapEyRSMonmIxLWR cWXUGG/3yqq4V8bU+M2Zsic2DuwvmSLjjCC54dgZXdkf8og0IL5qG+2hPasJruDWfsqwcBiRgfE+ +SZr9t/ea8/9iAoHLDse+sDRIfbbbbddcdDu1ZYglOyTI++rqaQDxmPs5EnA6jPOif4w/uDkiV4Y gwwRksKR0BuOMAg/WVcO1DraxKaLYaTdaRNZFyjKYpJrNhKpie+YHkWQZJ0FnbLHstzIC8g2Imt0 hnwPy7DWQHyUQdAFYybT7pdskXH3TR6Cav2CpIq/+Syk2Wkwnfvggw/KyTL/Y37uZyfYd/7OZ65H JpFzYxecGyf/4UFJY7c+EkzWxk/+hp2JJA/IlAsott5666KjfKxTNf2xMYifMRoLv8v30Gfj9BCo 4EI/bENdTjNNCCSsCfuFpNov5JNMCOQETEh9G7wh6cbMxlkTpwfuZ4M87NmSTychTidxAYEMezoI /L7EnP3ik90LbCsbi7hb63FlqQ/k09pL6OEsLWk3P3JnT+Jk31yRfC/7Fye3g0BvBAT77rtvCTL6 SDu9wnesv2uGtZdYORaGtFNCpJNzl11grAiLl+gOaWYEGWmgcIxVZCBkSGQykGSkh9HyNUbIO2UF bVEkZSqOtmS1OQVGi+LLWFPWiE5FzyJ5/WqfgDMgDBxCrh/HUBQWoWGMERKZinA2ILsvq1oTrEAQ ficGjDOF0KYs/WGHHVYCFYRIewyFMZin+bvOXA466KDSvjF5n5HWnge6KDZjLDNiTTmZOEZLzBZI iXpT+8LYkzX7w6EKwsgCmbKHAitkWJYIqa9Ju/1DhMk2Mk5+gWwhJe5RBuBExX3knNNinGWllKfQ N3Ip2EPKkWvlMEFkjMHX78kk0TFOg6NTgkU/6Ko+yDtH4TNQDkAXEHZZeH2QPWMWiNBvbbkHEWjL 1xKbLoaRdnrDFssIstNkn5yTTyeKAl6yR677QK6dHCFTkiRIXkDwKJOIAE6SSURwkGe65eFI9pWc 02UZbfqGTPM55kZnZMn32muvEgQ7QaMT9IkO8wPIshK1qLdn450w+554mXs6SafNR+LKnAQIkQFH 4hFFekq/6LcgRdYZ6Onxxx9fdF6piEAiyC495Xf4WsTWvPiU8HlIsvWj206Frfe0YY356siYm1MQ 4TgJtKaSZH2k3QkhWyMZpx2BEhvIR7cENUi7AAkJHkRO7Yn7tcPv2t+wz+RVUIE7sOcrSUoYn3EP Iu3m7H1f2cifGA/ZxiOM65BDDinyJ8hr1yYwDmn3Htkif/Y9kj6J6WChSDvjwOgwYv6OFwPGiMhG y2R4jyAh7bLMDBpyUINR9j7CLfsOjDEiI5NIiKN9yimD4eubGMzIYjMQDBynwAAMAsPG4CLZDEib yWYstIGsDSuPieg+ThFk7UXLUfYSMGZgIGRcOTHXMTrmiEx5cIkTipOJgHtj7onZAkEVZMmQczaM 7iCQIRkc2bBh5TEcsj0mr5wHw8qBM9Tkw/vuRXo4XJl7JMB7smquJXtIT52pDNIuU0eW6Ae9qUEv OUUOgxzKvJF1DsN9xtMSIPrtNM09dGYWjj+xGBhF2tk4pF3pI7IepB1ZGUXaES2ZeTqAeCBWAQQL aWeflVHQmXFgvHRaoE329R32VSDAFxgj/TUPpF1QzV7TmyDmgISbr/mYp9K1gESVIAVBU94W4Ctk oJW76IvPo9d0zssJL/02hpiXNRAYOCFrS0QQe8kr9olvRdRruFayIE749DdNP2IObKRTd1leJ8Wx Ztbe81n2zJoOIu0y7U4EnWawdzVpb20T/+nEhb1D2vsSCgIG62q92WbrJPCaxjrYr2GkXfLF3m+5 5ZbFnhqLUx3PNJEZ45O4tG5ktA/jkHbrKoCzB/QkTvQT08FClccA4UeaKRwi7qVuWymB7LEsPIWl cI7uDj300GKIW0GSUaacjJN7amFkYBFhRkf2QJZEJC/CliVkDAUOhB1p9/Bd1NL3AWmn7GoVEW/j r2EOw0i7Yy3j5EwYCkoi44NgyWooc6CgMu115B6kXTBjrowHMMwInYyJEwL3Utr63sTsgYjba8Ek 2R2UyQHXkr9hpJ0zCtKOcNMTxpvjF/Q5WuWsHIGTYVkX32esvErf5EJgx6nTAcQmwEGTI2VnjDWj HVn4gAy+B0s5DsenZEyGEWHn1NqAEcxD0CADWH/nciLBPg0i7WQVUUQ4neCw6WSWfLOViDeZHkSe IjuKLCvTYrMD7kX82Oi+BxpHgb1mt/kcwQVSJzgn43TDWM2DzyHzfIoSinh+KSDQpjvuo3sxFyUO /B9drJNT9E2JBlKHeCFtGzZsKGti7fgNZN8YrBGdtgay/HRaWVH4BHNQ8iI51gYNNfhLgYD+6hKj 1UYkGuK00Z6TgQgy9Gv8ZMWe9pF2pxc+YyeRX6RdeYx97gvO6kw7X9zaZ5xAn8bCv7pGEDEtvzqK tAta2Ptddtml+ArjD1gnsiAA4Q8kU/owLmk3Dn6Lv2mTiInVxUKRdsIhW4JkyDIiwjLfjJWIUS0e g+S6IO0UzDW1wAIDqrSEwMuYhyFGqCksgyaCj2NRGXl1844MESBHhaJyx/9IRp8wB5BlYzA+xrhV doYWqR6WaUfaRfdhyJE2bTHWiDuHxSgzTlFLSDGDtDOkoUwckjpLpJ9Smx9SJUhZSY1dYmWQ3YsH ocjUMHJQk/Zw+gGk3YlTkHaOQ1bMMw8IgRMfjk7GG/nRBsctiOOQOW4yzgHTEdcg2/V49Oc6TtyL Q2+donHI9AkGBAnGjCzoj0NrdRLoEWfjSN/Yla617SY2TQwj7UgkO0bWBLEIKxlma8khkjeMQJJt RFgwyRbWshllFPSJXtUB8iiQZ5lNATICrd4eMaQD7DKCrLRA0MA+k3k1yGx5fbIFSDC9RQiVsQRp FzBrx5rQ2YBTK75D4oofdC9f6eVaZI3OK6FznzFoF5G3joKLIJzWx8kYQstG1acANbwvwEH0rOcw G7ZcGCfCzj+bk/7YnzpxFqSdX5Vwq7+jPRCZdvZW0MJ3asv6tPYOyIT9i6CKXAX0be3U+5MTyRf+ dBrzD4xD2vETyUyBXTt//sbn5EM7fRiXtPNXuISTGPKemB4WirSrD6QsMg2IQtRnMahIrYcrCA9D Q1mQdg+NIPd15gQYF0TXwzsMsXtEygICis6oUuAg7owD4RcsMKay2kg7wyejM8wh1KRdGUF7rCZD YD6cUdQWBpQcCBSME2mPp/IpD4WSsTEPUS4FtCbaY9AZN6QpSHt8842xynIi9AIF9znSNB/GuyaA idnBfpITsscR9xnIAALMIXOuMuP1npFP73FGnBJZJ0ee42BYySzngzhrw4uTUZbiPuRBe5w20m48 nBp5CgRpJ1eIPgfZ6gA59/yEccheGjPnYMxOnJCKFtpQi8rRcgCyX9PKVCUWC8NIu/fJKnlEuIbp Th/INpJJX5wOxakkOKWlI4ixLxFov797EIyXTgtY+RSEVxZWsC04oIuC5T7SLsBuSbtyNISwJe3W gf2npzVp5/PotRNe9/GD/KX++TUvJ60CCtfSPXqOtGuLHoZOGx8/