Submit Search
Upload
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
•
41 likes
•
10,064 views
at grandpa
Follow
下記勉強会での資料です。 http://ml-professional.connpass.com/event/18814/
Read less
Read more
Technology
Report
Share
Report
Share
1 of 214
Download now
Download to read offline
Recommended
異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知
Ken'ichi Matsui
異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知
hagino 3000
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
単純ベイズ法による異常検知 #ml-professional
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
劣微分
劣微分
ShintaUrakami
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知
Tetsuma Tada
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
Motoya Wakiyama
Recommended
異常検知と変化検知 第4章 近傍法による異常検知
異常検知と変化検知 第4章 近傍法による異常検知
Ken'ichi Matsui
異常検知と変化検知 9章 部分空間法による変化点検知
異常検知と変化検知 9章 部分空間法による変化点検知
hagino 3000
グラフィカル Lasso を用いた異常検知
グラフィカル Lasso を用いた異常検知
Yuya Takashina
単純ベイズ法による異常検知 #ml-professional
単純ベイズ法による異常検知 #ml-professional
Ai Makabi
劣微分
劣微分
ShintaUrakami
第5章混合分布モデルによる逐次更新型異常検知
第5章混合分布モデルによる逐次更新型異常検知
Tetsuma Tada
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
はじめてのパターン認識 第5章 k最近傍法(k_nn法)
Motoya Wakiyama
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
PRML輪読#4
PRML輪読#4
matsuolab
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
Takahiro Yoshizawa
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
Kenyu Uehara
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
正準相関分析
正準相関分析
Akisato Kimura
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
主成分分析
主成分分析
大貴 末廣
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
PRML輪読#2
PRML輪読#2
matsuolab
統計学基礎
統計学基礎
Yuka Ezura
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
takehikoihayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
Rubykaigiの歩き方
Rubykaigiの歩き方
at grandpa
Crystal 勉強会 #5 in 渋谷 発表資料
Crystal 勉強会 #5 in 渋谷 発表資料
at grandpa
More Related Content
What's hot
階層ベイズとWAIC
階層ベイズとWAIC
Hiroshi Shimizu
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
takehikoihayashi
PRML輪読#4
PRML輪読#4
matsuolab
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
Takahiro Yoshizawa
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
Ken'ichi Matsui
EMアルゴリズム
EMアルゴリズム
Sotetsu KOYAMADA(小山田創哲)
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
Akira Masuda
時系列分析による異常検知入門
時系列分析による異常検知入門
Yohei Sato
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
Kenyu Uehara
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
正準相関分析
正準相関分析
Akisato Kimura
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
Yoshitake Takebayashi
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
Ken'ichi Matsui
主成分分析
主成分分析
大貴 末廣
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
takehikoihayashi
PRML輪読#2
PRML輪読#2
matsuolab
統計学基礎
統計学基礎
Yuka Ezura
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
Shushi Namba
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
takehikoihayashi
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
Hiroshi Shimizu
What's hot
(20)
階層ベイズとWAIC
階層ベイズとWAIC
比例ハザードモデルはとってもtricky!
比例ハザードモデルはとってもtricky!
PRML輪読#4
PRML輪読#4
異常検知と変化検知の1~3章をまとめてみた
異常検知と変化検知の1~3章をまとめてみた
15分でわかる(範囲の)ベイズ統計学
15分でわかる(範囲の)ベイズ統計学
EMアルゴリズム
EMアルゴリズム
ようやく分かった!最尤推定とベイズ推定
ようやく分かった!最尤推定とベイズ推定
時系列分析による異常検知入門
時系列分析による異常検知入門
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
サポートベクターマシン(SVM)の数学をみんなに説明したいだけの会
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
正準相関分析
正準相関分析
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
マルコフ連鎖モンテカルロ法 (2/3はベイズ推定の話)
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
基礎からのベイズ統計学 輪読会資料 第4章 メトロポリス・ヘイスティングス法
主成分分析
主成分分析
傾向スコア:その概念とRによる実装
傾向スコア:その概念とRによる実装
PRML輪読#2
PRML輪読#2
統計学基礎
統計学基礎
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
StanとRでベイズ統計モデリング読書会(Osaka.stan) 第6章
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
なぜベイズ統計はリスク分析に向いているのか? その哲学上および実用上の理由
MCMCでマルチレベルモデル
MCMCでマルチレベルモデル
More from at grandpa
Rubykaigiの歩き方
Rubykaigiの歩き方
at grandpa
Crystal 勉強会 #5 in 渋谷 発表資料
Crystal 勉強会 #5 in 渋谷 発表資料
at grandpa
Crystalを触り始めてから起こったこと
Crystalを触り始めてから起こったこと
at grandpa
東京 Crystal 勉強会 #4 in 渋谷 - イントロダクション
東京 Crystal 勉強会 #4 in 渋谷 - イントロダクション
at grandpa
基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料
at grandpa
機械学習プロフェッショナルシリーズ輪読会 #2 Chapter 5 「自己符号化器」 資料
機械学習プロフェッショナルシリーズ輪読会 #2 Chapter 5 「自己符号化器」 資料
at grandpa
はじめてのdocker
はじめてのdocker
at grandpa
More from at grandpa
(7)
Rubykaigiの歩き方
Rubykaigiの歩き方
Crystal 勉強会 #5 in 渋谷 発表資料
Crystal 勉強会 #5 in 渋谷 発表資料
Crystalを触り始めてから起こったこと
Crystalを触り始めてから起こったこと
東京 Crystal 勉強会 #4 in 渋谷 - イントロダクション
東京 Crystal 勉強会 #4 in 渋谷 - イントロダクション
基礎からのベイズ統計学 2章 勉強会資料
基礎からのベイズ統計学 2章 勉強会資料
機械学習プロフェッショナルシリーズ輪読会 #2 Chapter 5 「自己符号化器」 資料
機械学習プロフェッショナルシリーズ輪読会 #2 Chapter 5 「自己符号化器」 資料
はじめてのdocker
はじめてのdocker
Recently uploaded
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
iPride Co., Ltd.
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
sugiuralab
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
Toru Tamaki
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
Toru Tamaki
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Ryo Sasaki
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
danielhu54
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
Toru Tamaki
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
taisei2219
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Yuma Ohgami
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
Hiroki Ichikura
Recently uploaded
(10)
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
スマートフォンを用いた新生児あやし動作の教示システム
スマートフォンを用いた新生児あやし動作の教示システム
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
[DevOpsDays Tokyo 2024] 〜デジタルとアナログのはざまに〜 スマートビルディング爆速開発を支える 自動化テスト戦略
Postman LT Fukuoka_Quick Prototype_By Daniel
Postman LT Fukuoka_Quick Prototype_By Daniel
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
機械学習プロフェッショナルシリーズ輪読会 #5 異常検知と変化検知 Chapter 1 & 2 資料
1.
+)*. )1 +*
6L[ YLVNXL
2.
6L[ YLVNXL ( (
3.
v *UU v } v
} v X)* { | x
4.
8RLX[OY * 8RLX[OY + 7V
ULT_ 9O[OM[ V LVN 8RLV O 9O[OM[ V
5.
8RLX[OY * X))
6.
X)*
7.
X)* }
8.
X)* = 54 +1m
7@9 54 0. C :@ }
9.
X)* = 54 +1m
7@9 54 0. C :@ }
10.
X)* = 54 +1m
7@9 54 0. C :@ }
11.
X)* = 54 +1m
7@9 54 0. C :@ }
12.
X)+
13.
X)+ = 54 +1m
7@9 54 0. C :@ x +1m 0.
14.
X)+ = 54 +1m
7@9 54 0. C :@ x +1m 0. X ^
15.
X)+
16.
X)+
17.
X)+
18.
n X)+
19.
X),
20.
X),
21.
X),
22.
x } X),
23.
X),
24.
X)-
25.
X)-
26.
r Y 9 4 ^*%
_* % ^+% _+ % X)-
27.
r Y 9 4 ^*%
_* % ^+% _+ % Y X)-
28.
r Y 9 4 ^*%
_* % ^+% _+ % Y s 9 4 ^*% ^+% X)-
29.
r Y 9 4 ^*%
_* % ^+% _+ % Y s 9 4 ^*% ^+% X)-
30.
X)-
31.
r X)-
32.
l 3 _4) 3
_4* r X)-
33.
l 3 _4) 3
_4* r X ^a_4)%9 X ^a_4*%9 X)-
34.
s l 3 _4) 3
_4* r X ^a_4)%9 X ^a_4*%9 X)-
35.
s } ^ l 3
_4) 3 _4* r X ^a_4)%9 X ^a_4*%9 X)-
36.
s } ^ l 3
_4) 3 _4* X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4 r X ^a_4)%9 X ^a_4*%9 X)-
37.
s } ^ l 3
_4) 3 _4* X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4 r X ^a_4)%9 X ^a_4*%9 X)-
38.
X)/
39.
X ^a9 X)/
40.
X ^a9 r Y X)/
41.
X ^a9 s {
| r Y X)/
42.
X ^a9 } ^ s
{ | r Y X)/
43.
X ^a9 } ^ X
^ a9&TVL ^ 4 s { | r Y X)/
44.
X ^a9 } ^ X
^ a9&TVL ^ 4 s { | r Y X)/
45.
X)0
46.
r s X ^ a_4)%9 X
^ a_4*%9 TVL ^ 4 X ^ a9&TVL ^ 4 X)0
47.
r s X ^ a_4)%9 X
^ a_4*%9 TVL ^ 4 X ^ a9&TVL ^ 4 X)0 }
48.
X)0
49.
X)1
50.
X)1
51.
r 8Y ELT NL[
V >OL]O& VO& [ 8Y ELT NL[ V X)1
52.
r 8Y ELT NL[
V >OL]O& VO& [ 8Y ELT NL[ V s 55 n n n n X)1
53.
r 8Y ELT NL[
V >OL]O& VO& [ 8Y ELT NL[ V s 55 n n n n Y } X)1
54.
X)2
55.
4 X)2
56.
4 n X)2
57.
4 n n X)2
58.
4 n n X)2
59.
4 n n X)2
60.
4 n n 4 - / 4 // 0 X)2
61.
4 n n 4 - / 4 // 0
l 4 * & X)2
62.
X)2
63.
4 X)2
64.
4 n X)2
65.
4 n n X)2
66.
4 n n X)2
67.
4 n n X)2
68.
4 4 , / 4 .) ) n n X)2
69.
X*)
70.
) * X*)
71.
Y) 閾 ) * X*)
72.
Y* 閾 Y) 閾 ) * X*)
73.
Y* 閾 Y) 閾 ) * X*)
74.
Y* 閾 Y) 閾 p +Y)Y* Y) Y* ) * X*)
75.
Y* 閾 Y) 閾 p +Y)Y* Y) Y* ) * X*)
76.
A8 X**
77.
A8 4 * &) * X**
78.
A8 閾 4 * 4 ) 4
) 4 * 閾 閾 F% 4 *&Y) i % Y* i 4 * &) * X**
79.
A8 7D8 閾 4 * 4 ) 4
) 4 * 閾 閾 F% 4 *&Y) i % Y* i 4 * &) * X**
80.
A8 7D8 4 4 )
. 7D8 閾 4 * 4 ) 4 ) 4 * 閾 閾 F% 4 *&Y) i % Y* i 4 * &) * X**
81.
A8 x A8 X ^
a_4)%9 X ^ a_4*%9 TV4 L ^ 4 * * A8 X*+
82.
X*+
83.
4 *& X*+
84.
4 *& 3 HI X*+
85.
4 *& 3 HI X*+
86.
4 *& 3 HI X*+ X
^ a_4)%9 X ^ a_4*%9 TVL ^ 4
87.
4 *& 3 HI L
^ i4) 0 X*+ X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4
88.
4 *& 3 HI L
^ i4) 0 X*+ X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4
89.
4 *& 3 HI L
^ i4) 0 X*+ X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4
90.
X*+
91.
X*+
92.
3 HI X*+
93.
3 HI X*+
94.
3 HI L ^
i4) 0 X*+
95.
3 HI L ^
i4) 0 X*+
96.
3 HI L ^
i4) 0 X*+
97.
X*+
98.
X*+
99.
4 *& X*+
100.
X*+
101.
X*,
102.
x } X ^ a_4)%9 X
^ a_4*%9 TV4 L ^ 4 * + X*,
103.
x } X ^ a_4)%9 X
^ a_4*%9 TV4 L ^ 4 * + 4 n X*,
104.
r { | s
r x t u { | X*,
105.
r{ | X*,
106.
r{ | X*,
107.
r{ | L L X*,
108.
s r x X*,
109.
s r x L X*,
110.
s r x L L
^ { | { | } X*,
111.
t [OX* L ^ y X*-
112.
t [OX* L ^ y e X*-
113.
t [OX* L ^ y e ie 3
HI X*-
114.
t [OX* L ^ y e ie 3
HI X*-
115.
t [OX+ ie x L
^ &5 X*-
116.
t [OX+ ie x L
^ &5 3 HI l *&e x X*-
117.
t [OX+ ie x L
^ &5 3 HI l *&e x L X*-
118.
t [OX, X*-
119.
t [OX, dHLafI 4 {
| X*-
120.
t [OX, dHLafI 4 {
| X*-
121.
t [OX, dHLafI 4 {
| x X*-
122.
t [OX- X*-
123.
t [OX- X*-
124.
t [OX- X*-
125.
u { | X*-
126.
u { | X*- TV
L ^ X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4
127.
u { | X
^a_4*%9 x X*- TV L ^ X ^ a_4)%9 X ^ a_4*%9 TVL ^ 4
128.
129.
130.
r }
131.
r } s x X ^ a_4)%9 X
^ a_4*%9 TVL ^ 4
132.
r } s x X ^ a_4)%9 X
^ a_4*%9 TVL ^ 4 t x A8
133.
r } s x X ^ a_4)%9 X
^ a_4*%9 TVL ^ 4 t x A8 u
134.
135.
C+ 8RLX[OY + X*.
136.
X*.
137.
X*.
138.
9 4 ^*%
^+% % ^@ @ @ ^ag% o Y X*.
139.
X*.
140.
r X*.
141.
s r X*.
142.
t s r X*.
143.
u x x ^ t s r X*.
144.
r + * X*.
145.
r X*.
146.
r X*.
147.
r X*.
148.
r X*.
149.
r X*/
150.
r 9 4 ^*%
^+% % ^@ X*/
151.
r 9 4 ^*%
^+% % ^@ 94 ^*% ^+% % ^@ ^ ^ x ^ } { g%o 9 | X*/
152.
r 9 4 ^*%
^+% % ^@ 94 ^*% ^+% % ^@ ^ ^ x ^ } { g%o 9 | n 9 n g%o X*/
153.
r X*/
154.
r > x l X*/
155.
r > x l x 9 X*/
156.
r > x l x 9 X*/
157.
s + + C+ X*0
158.
s X*0
159.
s X*0
160.
s X ^ a9&TVL
^ 4 X*0
161.
s X ^ a9&TVL
^ 4 ^ g 4 X*0
162.
t + + C+ X*1
163.
t X*1
164.
t C+ n L ^ X*1
165.
t C+ n L ^ L
^ X*1
166.
t C+ n L ^ L
^ L ^ X*1
167.
t C+ n L ^ L
^ L ^ } L ^ X*1
168.
t C+ n L ^ L
^ L ^ } L ^ X*1
169.
t C+ n L ^ L
^ L ^ } . . L ^ X*1
170.
t C+ n L ^ L
^ L ^ } . . L ^ X*1
171.
C+ + * C+ X*2
172.
C+ @ g%o @
^*% ^+% % ^@ x g x o y@ g%o ^ x y + * C+ r ^ &g x )x @ * o(@ s o x^ &g } t C+ 4 @& L ^ ( @ * C+ x %@& yL ^ u @55 xL ^ x x * X*2
173.
C+ @55 x L ^
x * X*2
174.
C+ @55 x L ^
x * X*2
175.
C+ @55 x L ^
x * X*2
176.
C+ @55 x L ^
x * L ^ c+ ^a %* X*2
177.
u + + C+ X+*
178.
X+*
179.
r X+*
180.
s r X+*
181.
t s r X+*
182.
u x x ^ t s r X+*
183.
u x x ^ t s r
N VO X+*
184.
u x x ^ t s r
N VO N VO X+*
185.
u x x ^ t s r
N VO N VO N VO X+*
186.
u r s t ^ L
^ u X+*
187.
u r e x *&
e X+*
188.
u r e x L
^ c+ ^a % * *& e X+*
189.
u r e x L
^ c+ ^a % * *& e X+*
190.
u r e x L
^ c+ ^a % * *& e L[R X+*
191.
u r e x L
^ c+ ^a % * *& e L[R X+*
192.
u r e x L
^ c+ ^a % * *& e L[R X+*
193.
u r e x L
^ c+ ^a % * *& e L[R X+*
194.
u s n X+*
195.
u s n X+*
196.
u s n X+*
197.
u t ^ L
^ X+*
198.
u t ^ L
^ L ^ ^ g 4 X+*
199.
u u X+*
200.
u u L ^ X+*
201.
u u L ^L[R X+*
202.
u u L ^L[R X+*
203.
X+*
204.
X+*
205.
X++
206.
X++
207.
@ )%h+ ^* ^
x M5) x + + x x Mh+ c+ a %Mh+ 4 M ^* + ^+ + ^ + + - X++
208.
209.
210.
211.
212.
r x s x t
x u
213.
214.
}
Download now