§
    qŠtj—.  ã            
       ó°  — d Z ddlZddlZddlZddlmZ ddlmZ ddl	m
Z
 ddlmZ ddlmZmZmZ ddlmZ dd	lmZ dd
lmZmZmZ d„ Z ej         ej        ddd¦  «        ¦  «        j        Z ej        g d¢¦  «        j        Z ej         ee¦  «                              ¦   «         dk    e!¬¦  «        Z" ee¦  «                              ¦   «         Z# ej$        e"j%        e!¬¦  «        Z&de&e#dk     <   de&e#dk    e#dk     z  <   de&e#dk    <    edd¬¦  «        Z' ed¬¦  «        e' edd¬¦  «         edd¦  «         edd¬¦  «        z  gZ(d„ e(D ¦   «         Z)ej*         +                    de(¦  «        d„ ¦   «         Z,d„ Z-ej*         +                    de)¦  «        d„ ¦   «         Z.ej*         +                    de(¦  «        d „ ¦   «         Z/ej*         +                    de(¦  «        d!„ ¦   «         Z0ej*         +                    de)¦  «        d"„ ¦   «         Z1ej*         2                    e3d#¬$¦  «        ej*         +                    de)¦  «        ej*         +                    d% ej4        d&d'd(¦  «        ¦  «        d)„ ¦   «         ¦   «         ¦   «         Z5d*„ Z6ej*         +                    de)¦  «        d+„ ¦   «         Z7ej*         +                    de(¦  «        d,„ ¦   «         Z8ej*         +                    de(¦  «        d-„ ¦   «         Z9d.„ Z:ej*         +                    d/d ed¦  «        ie;d0fg¦  «        d1„ ¦   «         Z<ej*         +                    de(¦  «        d2„ ¦   «         Z=d3„ Z>d4„ Z?dS )5z+Testing for Gaussian process classificationé    N)Úapprox_fprime)Úclone)ÚConvergenceWarning)ÚGaussianProcessClassifier)ÚRBFÚCompoundKernelÚWhiteKernel)ÚConstantKernel)ÚMiniSeqKernel)Úassert_allcloseÚassert_almost_equalÚassert_array_equalc                 ó*   — t          j        | ¦  «        S )N)ÚnpÚsin)Úxs    úe/var/www/html/CA-Chatbot/venv/lib/python3.11/site-packages/sklearn/gaussian_process/tests/test_gpc.pyÚfr      s   € ÝŒ6�!‰9Œ9Ðó    é
   é   )ç       @g      @g      @g      @g      @©ÚdtypegffffffÖ¿é   gffffffÖ?é   ç      ð?Úfixed©Úlength_scaleÚlength_scale_boundsgš™™™™™¹?)r    )çü©ñÒMbP?ç     @�@©g{®Gáz„?ç      Y@c                 ó(   — g | ]}|t           k    ¯|‘ŒS © )Úfixed_kernel)Ú.0Úkernels     r   ú
<listcomp>r+   4   s"   € ÐLÐLÐL °V½|Ò5KÐ5K�VÐ5KÐ5KÐ5Kr   r*   c                 óþ   — t          | ¬¦  «                             t          t          ¦  «        }t	          |                     t          ¦  «        |                     t          ¦  «        d d …df         dk    ¦  «         d S )N©r*   r   ç      à?)r   ÚfitÚXÚyr   ÚpredictÚpredict_proba©r*   Úgpcs     r   Útest_predict_consistentr6   7   sd   € õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€CÝ�s—{’{¥1‘~”~ s×'8Ò'8½Ñ';Ô';¸A¸A¸A¸q¸DÔ'AÀSÒ'HÑIÔIÐIÐIÐIr   c                  ó*  — g d¢} t          j        g d¢¦  «        }t          d¬¦  «        }t          |¬¦  «                             | |¦  «        }t          |                     | ¦  «        |                     | ¦  «        d d …df         dk    ¦  «         d S )N©ÚAÚABÚB©TFTr   ©Úbaseline_similarity_boundsr-   r   r.   )r   Úarrayr   r   r/   r   r2   r3   ©r0   r1   r*   r5   s       r   Ú"test_predict_consistent_structuredrA   >   s“   € àÐÐ€AÝ
ŒÐ$Ð$Ð$Ñ%Ô%€AÝ°gÐ>Ñ>Ô>€FÝ
#¨6Ð
2Ñ
2Ô
2×
6Ò
6°q¸!Ñ
<Ô
<€CÝ�s—{’{ 1‘~”~ s×'8Ò'8¸Ñ';Ô';¸A¸A¸A¸q¸DÔ'AÀSÒ'HÑIÔIÐIÐIÐIr   c                 óÜ   — t          | ¬¦  «                             t          t          ¦  «        }|                     |j        j        ¦  «        |                     | j        ¦  «        k    sJ ‚d S )Nr-   )r   r/   r0   r1   Úlog_marginal_likelihoodÚkernel_Úthetar4   s     r   Útest_lml_improvingrF   G   so   € õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€CØ×&Ò& s¤{Ô'8Ñ9Ô9¸C×<WÒ<WØŒñ=ô =ò ð ð ð ð ð r   c                 óâ   — t          | ¬¦  «                             t          t          ¦  «        }t	          |                     |j        j        ¦  «        |                     ¦   «         d¦  «         d S )Nr-   é   )r   r/   r0   r1   r   rC   rD   rE   r4   s     r   Útest_lml_precomputedrI   P   sg   € õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€CÝØ×#Ò# C¤KÔ$5Ñ6Ô6¸×8SÒ8SÑ8UÔ8UÐWXñô ð ð ð r   c                 ó$  — t          | ¬¦  «                             t          t          ¦  «        }t	          j        |j        j        j        t          j	        ¬¦  «        }| 
                    |d¬¦  «         t          |j        j        |d¦  «         d S )Nr-   r   F)Úclone_kernelrH   )r   r/   r0   r1   r   ÚonesrD   rE   ÚshapeÚfloat64rC   r   )r*   r5   Úinput_thetas      r   Útest_lml_without_cloning_kernelrP   Y   sx   € õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€CÝ”'˜#œ+Ô+Ô1½¼ÐDÑDÔD€Kà×Ò ¸%ÐÑ@Ô@Ð@Ý˜œÔ)¨;¸Ñ:Ô:Ð:Ð:Ð:r   c                 ó”  — t          | ¬¦  «                             t          t          ¦  «        }|                     |j        j        d¦  «        \  }}t          j        t          j	        |¦  «        dk     |j        j        |j        j
        d d …df         k    z  |j        j        |j        j
        d d …df         k    z  ¦  «        sJ ‚d S )Nr-   Tç-Cëâ6?r   r   )r   r/   r0   r1   rC   rD   rE   r   ÚallÚabsÚbounds)r*   r5   ÚlmlÚlml_gradients       r   Útest_converged_to_local_maximumrX   c   sÅ   € õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€Cà×3Ò3°C´KÔ4EÀtÑLÔLÑ€CˆåŒ6Ý	Œ�Ñ	Ô	 Ò	$ØŒ;Ô ¤Ô 2°1°1°1°a°4Ô 8Ò8ñ	:àŒ;Ô ¤Ô 2°1°1°1°a°4Ô 8Ò8ñ	:ñô ð ð ð ð ð r   z9https://github.com/scikit-learn/scikit-learn/issues/31366)ÚraisesÚreasonr    éýÿÿÿé   é   c                 ó¼  ‡— t          | ¦  «        } t          d„ |                      ¦   «         D ¦   «         ¦  «        } | j        di ||i¤Ž t	          | ¬¦  «                             t          t          ¦  «        Š‰                     | j	        d¬¦  «        \  }}d}t          | j	                             ¦   «         ˆfd„|¬¦  «        }t          ||d|d	z  ¬
¦  «         d S )Nc              3   óD   K  — | ]}|                      d ¦  «        ¯|V — ŒdS )r    N)Úendswith)r)   Únames     r   ú	<genexpr>z$test_lml_gradient.<locals>.<genexpr>{   sG   è è € ð #ð #Ø°·²¸nÑ0MÔ0Mð#Øð#ð #ð #ð #ð #ð #r   r-   T©Úeval_gradientg•Ö&è.>c                 ó0   •— ‰                      | d¦  «        S )NF)rC   )rE   Úgprs    €r   ú<lambda>z#test_lml_gradient.<locals>.<lambda>†   s   ø€ �c×1Ò1°%¸Ñ?Ô?€ r   )ÚepsilonrR   éd   )ÚrtolÚatolr'   )r   ÚnextÚ
get_paramsÚ
set_paramsr   r/   r0   r1   rC   rE   r   Úcopyr   )r*   r    Úlength_scale_param_nameÚ_rW   rh   Úlml_gradient_approxrf   s          @r   Útest_lml_gradientrs   q   s  ø€ õ �6‰]Œ]€FÝ"ð #ð #Ø×*Ò*Ñ,Ô,ð#ñ #ô #ñ ô Ðð €FÔÐ@Ð@Ð0°,Ð?Ð@Ð@Ð@õ $¨6Ð
2Ñ
2Ô
2×
6Ò
6µq½!Ñ
<Ô
<€CØ×1Ò1°&´,ÈdÐ1ÑSÔS�O€A€|Ø€GÝ'ØŒ×ÒÑÔØ?Ð?Ð?Ð?Øðñ ô Ðõ
 �LÐ"5¸DÀwÐQTÁ}ÐUÑUÔUÐUÐUÐUr   c                 ó®  — d\  }}t           j                             | ¦  «        }|                     ||¦  «        dz  dz
  }t          j        |¦  «                             d¬¦  «        t          j        d|z  ¦  «                             d¬¦  «        z   dk    }t          dd¦  «        t          d	g|z  d
g|z  ¬¦  «        z  }t           j         }t          d¦  «        D ]u}t          ||| ¬¦  «                             ||¦  «        }	|	                     |	j        j        ¦  «        }
|
|t          j        t           j        ¦  «        j        z
  k    sJ ‚|
}Œvd S )N)é   r   r   r   )Úaxisr\   r   r   r$   r"   )rR   r%   r   é   )r*   Ún_restarts_optimizerÚrandom_state)r   ÚrandomÚRandomStateÚrandnr   ÚsumÚCr   ÚinfÚranger   r/   rC   rD   rE   ÚfinfoÚfloat32Úeps)Úglobal_random_seedÚ	n_samplesÚ
n_featuresÚrngr0   r1   r*   Úlast_lmlrx   ÚgprV   s              r   Útest_random_startsrŠ   Œ   s[  € ð "Ñ€IˆzÝ
Œ)×
Ò
Ð 2Ñ
3Ô
3€CØ�	Š	�)˜ZÑ(Ô(¨1Ñ,¨qÑ0€AÝ	Œ�‰Œ�Š˜AˆÑ	Ô	¥¤¨¨A©¡¤×!2Ò!2¸Ð!2Ñ!:Ô!:Ñ	:¸aÒ?€Aåˆs�KÑ Ô ¥3Ø�V˜jÑ(¸{¸mÈjÑ>Xð$ñ $ô $ñ €Fõ ”ˆw€HÝ % a¡¤ð ð ÐÝ&ØØ!5Ø+ð
ñ 
ô 
÷ Š#ˆa�‰)Œ)ð	 	ð
 ×(Ò(¨¬Ô)9Ñ:Ô:ˆØ�X¥¤­¬Ñ 4Ô 4Ô 8Ñ8Ò8Ð8Ð8Ð8Øˆˆðð r   c                 óî   ‡— ˆfd„}t          | |¬¦  «        }|                     t          t          ¦  «         |                     |j        j        ¦  «        |                     | j        ¦  «        k    sJ ‚d S )Nc                 ó~  •— t           j                             ‰	¦  «        }| | |d¬¦  «        }}t          d¦  «        D ]{}t          j        |                     t          j        d|d d …df         ¦  «        t          j        d|d d …df         ¦  «        ¦  «        ¦  «        } | |d¬¦  «        }||k     r||}}Œ|||fS )NFrc   r   éþÿÿÿr   r   )r   rz   r{   r€   Ú
atleast_1dÚuniformÚmaximumÚminimum)
Úobj_funcÚinitial_thetarU   r‡   Ú	theta_optÚfunc_minrq   rE   r   r„   s
            €r   Ú	optimizerz(test_custom_optimizer.<locals>.optimizer§   sÓ   ø€ ÝŒi×#Ò#Ð$6Ñ7Ô7ˆàØˆH�]°%Ð8Ñ8Ô8ð ˆ	õ �r‘”ð 	/ð 	/ˆAÝ”MØ—’�BœJ r¨6°!°!°!°Q°$¬<Ñ8Ô8½"¼*ÀQÈÈqÈqÈqÐRSÈtÌÑ:UÔ:UÑVÔVñô ˆEð �˜¨eÐ4Ñ4Ô4ˆAØ�8Š|ˆ|Ø&+¨Q˜8�	øØ˜(Ð"Ð"r   )r*   r–   )r   r/   r0   Úy_mcrC   rD   rE   )r*   r„   r–   r5   s    `  r   Útest_custom_optimizerr˜   £   s�   ø€ ð#ð #ð #ð #ð #õ $¨6¸YÐ
GÑ
GÔ
G€CØ‡G‚G�A�tÑÔÐà×&Ò&ØŒÔñô à	×	$Ò	$ V¤\Ñ	2Ô	2ò3ð 3ð 3ð 3ð 3ð 3r   c                 óZ  — t          | ¬¦  «        }|                     t          t          ¦  «         |                     t
          ¦  «        }t          |                     d¦  «        d¦  «         |                     t
          ¦  «        }t          t          j        |d¦  «        |¦  «         d S )Nr-   r   )r   r/   r0   r—   r3   ÚX2r   r}   r2   r   r   Úargmax)r*   r5   Úy_probÚy_preds       r   Útest_multi_classrž   ¾   s†   € õ $¨6Ð
2Ñ
2Ô
2€CØ‡G‚G�A�tÑÔÐà×Ò�rÑ"Ô"€FÝ˜Ÿ
š
 1™œ qÑ)Ô)Ð)à�[Š[�‰_Œ_€FÝ•r”y ¨Ñ+Ô+¨VÑ4Ô4Ð4Ð4Ð4r   c                 óP  — t          | ¬¦  «        }|                     t          t          ¦  «         t          | d¬¦  «        }|                     t          t          ¦  «         |                     t
          ¦  «        }|                     t
          ¦  «        }t          ||¦  «         d S )Nr-   r   )r*   Ún_jobs)r   r/   r0   r—   r3   rš   r   )r*   r5   Úgpc_2rœ   Úy_prob_2s        r   Útest_multi_class_n_jobsr£   Ë   sŠ   € õ $¨6Ð
2Ñ
2Ô
2€CØ‡G‚G�A�tÑÔÐå%¨V¸AÐ>Ñ>Ô>€EØ	‡I‚I�a•ÑÔÐà×Ò�rÑ"Ô"€FØ×"Ò"¥2Ñ&Ô&€HÝ˜ Ñ)Ô)Ð)Ð)Ð)r   c                  ó°  — t          ddg¬¦  «        } t          | ¬¦  «        }d}t          j        t          |¬¦  «        5  |                     t          t          ¦  «         d d d ¦  «         n# 1 swxY w Y   t          ddg¬¦  «        t          dd	g¬¦  «        z   }t          |¬¦  «        }t          j
        d
¬¦  «        5 }t          j        d¦  «         |                     t          t          ¦  «         t          |¦  «        dk    sJ ‚t          |d         j        t          ¦  «        sJ ‚|d         j        j        d         dk    sJ ‚t          |d         j        t          ¦  «        sJ ‚|d         j        j        d         dk    sJ ‚	 d d d ¦  «         n# 1 swxY w Y   t#          j        t          d¦  «        }t          ddgddg¬¦  «        }t          |¬¦  «        }t          j
        d
¬¦  «        5 }t          j        d¦  «         |                     |t          ¦  «         t          |¦  «        dk    sJ ‚t          |d         j        t          ¦  «        sJ ‚|d         j        j        d         dk    sJ ‚t          |d         j        t          ¦  «        sJ ‚|d         j        j        d         dk    sJ ‚	 d d d ¦  «         d S # 1 swxY w Y   d S )Ngñhãˆµøä>r"   )r!   r-   z²The optimal value found for dimension 0 of parameter length_scale is close to the specified upper bound 0.001. Increasing the bound and calling fit again may find a better value.©Úmatch)Únoise_level_boundsr#   g     jø@T)ÚrecordÚalwaysr   r   zµThe optimal value found for dimension 0 of parameter k1__noise_level is close to the specified upper bound 0.001. Increasing the bound and calling fit again may find a better value.r   z·The optimal value found for dimension 0 of parameter k2__length_scale is close to the specified lower bound 1000.0. Decreasing the bound and calling fit again may find a better value.r   r   g      $@r%   r   z²The optimal value found for dimension 0 of parameter length_scale is close to the specified upper bound 100.0. Increasing the bound and calling fit again may find a better value.z²The optimal value found for dimension 1 of parameter length_scale is close to the specified upper bound 100.0. Increasing the bound and calling fit again may find a better value.)r   r   ÚpytestÚwarnsr   r/   r0   r1   r	   ÚwarningsÚcatch_warningsÚsimplefilterÚlenÚ
issubclassÚcategoryÚmessageÚargsr   Útile)	r*   r5   Úwarning_messageÚ
kernel_sumÚgpc_sumr¨   ÚX_tileÚkernel_dimsÚgpc_dimss	            r   Útest_warning_boundsr»   Ù   s¶  € Ý d¨D \Ð2Ñ2Ô2€FÝ
#¨6Ð
2Ñ
2Ô
2€Cð	ð õ 
ŒÕ(°Ð	@Ñ	@Ô	@ð ð Ø�Š••1‰Œˆðð ð ñ ô ð ð ð ð ð ð øøøð ð ð ð õ °°t°Ð=Ñ=Ô=ÅØ  #˜JðAñ Aô Añ €Jõ (¨zÐ:Ñ:Ô:€GÝ	Ô	 ¨Ð	-Ñ	-Ô	-ð 
°ÝÔ˜hÑ'Ô'Ð'Ø�Š•A•qÑÔÐå�6‰{Œ{˜aÒÐÐÐå˜& œ)Ô,Õ.@ÑAÔAÐAÐAÐAà�1ŒIÔÔ" 1Ô%ð *1ò 1ð 1ð 1ð 1õ ˜& œ)Ô,Õ.@ÑAÔAÐAÐAÐAà�1ŒIÔÔ" 1Ô%ð *1ò 1ð 1ð 1ð 1ð 1ð%
ð 
ð 
ñ 
ô 
ð 
ð 
ð 
ð 
ð 
ð 
øøøð 
ð 
ð 
ð 
õ4 ŒW•Q˜‰]Œ]€FÝ C¨ :ÀCÈÀ:ÐNÑNÔN€KÝ(°Ð<Ñ<Ô<€Hå	Ô	 ¨Ð	-Ñ	-Ô	-ð 
°ÝÔ˜hÑ'Ô'Ð'Ø�Š�V�QÑÔÐå�6‰{Œ{˜aÒÐÐÐå˜& œ)Ô,Õ.@ÑAÔAÐAÐAÐAà�1ŒIÔÔ" 1Ô%ð *1ò 1ð 1ð 1ð 1õ ˜& œ)Ô,Õ.@ÑAÔAÐAÐAÐAà�1ŒIÔÔ" 1Ô%ð *1ò 1ð 1ð 1ð 1ð 1ð%
ð 
ð 
ñ 
ô 
ð 
ð 
ð 
ð 
ð 
ð 
ð 
øøøð 
ð 
ð 
ð 
ð 
ð 
s8   Á !A-Á-A1Á4A1ÃC
FÆFÆ FÇ8CKËKËKzparams, error_type, err_msgz!kernel cannot be a CompoundKernelc                 ó¼   — t          di | ¤Ž}t          j        ||¬¦  «        5  |                     t          t
          ¦  «         ddd¦  «         dS # 1 swxY w Y   dS )z0Check that expected error are raised during fit.r¥   Nr'   )r   rª   rY   r/   r0   r1   )ÚparamsÚ
error_typeÚerr_msgr5   s       r   Útest_gpc_fit_errorrÀ   "  s¡   € õ $Ð
-Ð
- fÐ
-Ð
-€CÝ	Œ�z¨Ð	1Ñ	1Ô	1ð ð Ø�Š••1‰Œˆðð ð ñ ô ð ð ð ð ð ð ð øøøð ð ð ð ð ð s   £!AÁAÁAc                 ó  — t          | ¬¦  «        }|                     t          t          ¦  «         |                     t          ¦  «        \  }}|j        t          j        d         fk    sJ ‚|j        t          j        d         fk    sJ ‚dS )ú>Checks that the latent mean and variance have the right shape.r-   r   N)r   r/   r0   r1   Úlatent_mean_and_variancerM   )r*   r5   Úlatent_meanÚlatent_variances       r   Ú'test_gpc_latent_mean_and_variance_shaperÆ   3  s}   € õ $¨6Ð
2Ñ
2Ô
2€CØ‡G‚G�A�q�M„M€Mð $'×#?Ò#?ÅÑ#BÔ#BÑ €K�ØÔ¥¤¨¤ Ò-Ð-Ð-Ð-ØÔ ¥Q¤W¨Q¤Z MÒ1Ð1Ð1Ð1Ð1Ð1r   c                  ó  — t          t          ¦   «         ¬¦  «        } |                      t          t          ¦  «         t          j        t          d¬¦  «        5  |                      t          ¦  «         ddd¦  «         dS # 1 swxY w Y   dS )rÂ   r-   zdReturning the mean and variance of the latent function f is only supported for binary classificationr¥   N)	r   r   r/   r0   r—   rª   rY   Ú
ValueErrorrÃ   )r5   s    r   ÚAtest_gpc_latent_mean_and_variance_complain_on_more_than_2_classesrÉ   ?  sÅ   € å
#­3©5¬5Ð
1Ñ
1Ô
1€CØ‡G‚G�A�tÑÔÐõ 
ŒÝð6ð
ñ 
ô 
ð (ð (ð
 	×$Ò$¥QÑ'Ô'Ð'ð(ð (ð (ñ (ô (ð (ð (ð (ð (ð (ð (ð (øøøð (ð (ð (ð (ð (ð (s   ÁB Â BÂBc                  óÌ   — g d¢} t          j        g d¢¦  «        }t          d¬¦  «        }t          |¬¦  «                             | |¦  «        }|                     | ¦  «         d S )Nr8   r<   r   r=   r-   )r   r?   r   r   r/   rÃ   r@   s       r   Ú9test_latent_mean_and_variance_works_on_structured_kernelsrË   M  sm   € ØÐÐ€AÝ
ŒÐ$Ð$Ð$Ñ%Ô%€AÝ°gÐ>Ñ>Ô>€FÝ
#¨6Ð
2Ñ
2Ô
2×
6Ò
6°q¸!Ñ
<Ô
<€Cà× Ò  Ñ#Ô#Ð#Ð#Ð#r   )@Ú__doc__r¬   Únumpyr   rª   Úscipy.optimizer   Úsklearn.baser   Úsklearn.exceptionsr   Úsklearn.gaussian_processr   Ú sklearn.gaussian_process.kernelsr   r   r	   r
   r~   Ú4sklearn.gaussian_process.tests._mini_sequence_kernelr   Úsklearn.utils._testingr   r   r   r   Ú
atleast_2dÚlinspaceÚTr0   rš   r?   ÚravelÚintr1   ÚfXÚemptyrM   r—   r(   ÚkernelsÚnon_fixed_kernelsÚmarkÚparametrizer6   rA   rF   rI   rP   rX   ÚxfailÚAssertionErrorÚlogspacers   rŠ   r˜   rž   r£   r»   rÈ   rÀ   rÆ   rÉ   rË   r'   r   r   ú<module>rã      sC  ðØ 1Ð 1ð
 €€€à Ð Ð Ð Ø €€€Ø (Ð (Ð (Ð (Ð (Ð (à Ð Ð Ð Ð Ð Ø 1Ð 1Ð 1Ð 1Ð 1Ð 1Ø >Ð >Ð >Ð >Ð >Ð >ðð ð ð ð ð ð ð ð ð ð
ð ð ð ð ð ð OÐ NÐ NÐ NÐ NÐ Nðð ð ð ð ð ð ð ð ð ðð ð ð €B„M�+�"”+˜a  RÑ(Ô(Ñ)Ô)Ô+€Ø€R„]Ð,Ð,Ð,Ñ-Ô-Ô/€Ø€B„HˆQˆQˆq‰TŒT�ZŠZ‰\Œ\˜AÒ SÐ)Ñ)Ô)€Ø€Q€q�T„T‡Z‚Z�\„\€Ø€r„x�”˜sÐ#Ñ#Ô#€Ø€€Rˆ%‚ZÑ Ø$%€€bˆE‚k�b˜4’iÑ Ñ !Ø€€Rˆ$‚Y�ð ˆs ¸ÐAÑAÔA€à€C�SÐÑÔØØ€C�S¨kÐ:Ñ:Ô:Ø€A€cˆ;ÑÔ˜#˜#¨3ÀKÐPÑPÔPÑPð	€ð MÐL¨'ÐLÑLÔLÐ ð „×Ò˜ 7Ñ+Ô+ðJð Jñ ,Ô+ðJðJð Jð Jð „×Ò˜Ð#4Ñ5Ô5ðð ñ 6Ô5ðð „×Ò˜ 7Ñ+Ô+ðð ñ ,Ô+ðð „×Ò˜ 7Ñ+Ô+ð;ð ;ñ ,Ô+ð;ð „×Ò˜Ð#4Ñ5Ô5ð
ð 
ñ 6Ô5ð
ð „×ÒØØFð ñ ô ð „×Ò˜Ð#4Ñ5Ô5Ø„×Ò˜¨¨¬°R¸¸BÑ)?Ô)?Ñ@Ô@ðVð Vñ AÔ@ñ 6Ô5ñ	ô ðVð*ð ð ð. „×Ò˜Ð#4Ñ5Ô5ð3ð 3ñ 6Ô5ð3ð4 „×Ò˜ 7Ñ+Ô+ð	5ð 	5ñ ,Ô+ð	5ð „×Ò˜ 7Ñ+Ô+ð
*ð 
*ñ ,Ô+ð
*ðF
ð F
ð F
ðR „×ÒØ!ð �~�~ aÑ(Ô(Ð)ØØ/ð	
ðñ	ô 	ðð ñ	ô 	ðð „×Ò˜ 7Ñ+Ô+ð2ð 2ñ ,Ô+ð2ð(ð (ð (ð$ð $ð $ð $ð $r   