Gaius Plinius Caecilius Secundus
Multi tool use
Simulacrum Plinius minoris
Gaius Plinius Caecilius Secundus (communiter Plinius minor, natus Novi Comi anno 61 vel 62; mortuus veri similiter anno 113 vel 115) scriptor Latinus fuit. Plinius anno 82 tribunus militum in Syria fuit, deinde quaestor, tribunus plebis, praetor et anno 100 consul suffectus, anno 111 denique legatus pro praetore provinciae Ponti et Bithyniae consulari potestate Bithyniae et Ponti provinciae, fuit nepos Plinii maioris anno 79 in eruptione Vesuvii mortui. Dum adhuc puer est, pater Caecilius mortuus est, et avunculus Plinium adoptavit.
Plinius tres villas habuit, Novi Comi, Laurenti, Tiferni; reconstructio huius a Carolo Schinkel picta.
Fuit Quintiliani, rhetoris et doctissimi viri, discipulus. Fuit etiam Taciti amicus, ad quem duas epistulas misit (Epistulae 6.16, 6.20) ut narraret quomodo avunculus mortuus esset et quae eodem die ipse fecisset.
Ter Plinius uxorem duxit sed nullos liberos genuit. Imperator Traianus autem ei ius trium liberorum dedit.
Plinius suam pecuniam dedit ad magistrum conducendum ut liberi Novi Comi discerent (Epistulae 4.13); dedit quoque balnea et bibliothecam (CIL V.5262 = ILS 2927).
Opera |
- Panegyricus Traiani
Epistularum libri decem (numero 369)
- Libri I-IX: epistulae ad amicos
Liber X: epistulae et quas inter se Plinius et Traianus imperator miserunt.
Nexus externi |
|
Vide Gaius Plinius Caecilius Secundus apud Vicifontem.
|
- Panegyricus
- Epistularum libri decem
- Eruptio Vesuvii Latine et Anglice
Bibliographia |
- Veteriora
Iohannes Albertus Fabricius, Bibliotheca Latina (Hamburgi: Schillerus, 1712) textus pp. 477-484
- Noviora
- Nicholas F. Jones, "Pliny the Younger's Vesuvius "Letters" (6.16 and 6.20)" in Classical World vol. 95 (2001) pp. 31-48 JSTOR
- Greg Woolf, "Pliny's Province" et Tønnes Bekker-Nielsen, "Local Politics in an Imperial Context" in Tønnes Bekker-Nielsen, ed., Rome and the Black Sea Region (Aarhus University Press, 2006. ISBN 87-7934-174-8) pp. 93-117.
t4AH3hHMG kqMmk7fbLELX,Lk0 jC JRqu3ucuSmNpP2Id bn 1I,4UTOIRkMWjwu
Popular posts from this blog
Tabula multilinguis Rosettana in Museo Britannico ostenditur. Tabula Rosettana, [1] etiam titulo OGIS 90 agnita, est stela decreto de rebus sacris in Aegypto anno 196 a.C.n. lato inscripta. Tabula iuxta Rosettam Aegypti, urbem in delta Nili et ad oram maris Mediterranei iacentem, anno 1799 a milite Francico reperta est. Inventio stelae, linguis duabus scripturisque tribus inscriptae, eruditis Instituti Aegypti statim nuntiata est; ibi enim iussu imperatoris Napoleonis eruditi omnium scientiarum (sub aegide Commissionis Scientiarum et Artium) properaverant cum expeditione Francica. Qua a Britannis mox debellata, tabula Rosettana Londinium missa hodie apud Museum Britannicum iacet. Textus Graecus cito lectus interpretationi textuum Aegyptiorum (in formis hieroglyphica et demotica expressorum) gradatim adiuvit. Denique textum plene interpretatus est Ioannes Franciscus Champollion. Ab opere eruditorum cumulativo coepit hodiernus scripturae hieroglyphicae linguaeque Aegyptiae a...
1
$begingroup$
This is what I mean as document text image: I want to label the texts in image as separate blocks and my model should detect these labels as classes. NOTE: This is how the end result should be like: The labels like Block 1, Block 2, Block 3,.. should be Logo, Title, Date,.. Others, etc. Work done: First approach : I tried to implement this method via Object Detection, it didn't work. It didn't even detect any text. Second approach : Then I tried it using PixelLink. As this model is build for scene text detection, it detected each and every text in the image. But this method can detect multiple lines of text if the threshold values are increased. But I have no idea how do I add labels to the text blocks. PIXEL_CLS_WEIGHT_all_ones = 'PIXEL_CLS_WEIGHT_all_ones' PIXEL_C...
1
$begingroup$
I have this LSTM model model = Sequential() model.add(Masking(mask_value=0, input_shape=(timesteps, features))) model.add(LSTM(100, dropout=0.2, recurrent_dropout=0.2, return_sequences=False)) model.add(Dense(features, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) and shapes X_train (21, 11, 5), y_train (21, 5) . Each timestep is represented by 5 features and return_sequences is set to False because I want to predict one 5D array (the next timestep) for each input sequence of 11 timesteps. I get the error ValueError: y_true and y_pred have different number of output (5!=1) If I reshape the data as X_train (21, 11, 5), y_train (21, 1, 5) instead I get the error ValueError: Inva...
