Asovia,[1] vulgo Azov (Russice Азов), urbs est in regione Rostoviensi Russiae, portus ad flumen Tanaim. Circiter 82 milia incolarum habet (anno 2015).
Index
1Historia
2Notae
3Fontes
4Nexus externus
Historia |
Asoviae historia longa est. Prope eum locum, quo in loco haec urbs nunc sita est, ab saeculo fere tertio a.C.n. ad saeculum tertium fuit Graecorum colonia nomine Tanais, quam Gothi deleverunt. Saeculis decimo undecimoque Asovia oppidum Rutheniae erat. Anno 1067 a gente nomadica nomine Cumani seu Polovci occupata est (et ab illis Azak vocabatur), ab saeculo tredecimo fuit urbs Ordae Aureae. (Praeterea, urbs vocabulo Tana, sedes mercatorum, prope Asoviam nostri temporis in ripa sinistra fluminis Tanais saeculis tredecimo – quindecimo erat.) Turcia (Imperium Ottomanicum) anno 1471 urbem Asoviam cepit atque arcem fecit. Quae arx annis 1637 - 1642 a cosacis Tanaicis (Donicis) obtinebatur. Anno 1696 Asovia oppugnata est a copiis Petri I, Russiae tzaris, sed anno 1711 denuo ad Turciam rediit. Anno 1774 Asovia adiuncta est ad imperium Russiae, quae bello vicerat, et annis 1775 – 1782 erat metropolis gubernii Asoviensis.
Notae |
↑ 1.01.1J. G. Th. Graesse, Orbis Latinus (Dresdae: Schönfeld, 1861; 1909. Brunsvici, 1972, 3 voll.) 1 2 3
↑S. de Herberstein, Rerum Moscoviticarum Commentarii
↑I. Hofmannus, Lexicon Universale, tomus II., p. 413
Fontes |
Pagina de Asovia Encyclopaediae Sovieticae Magnae editionis tertiae .mw-parser-output .existinglinksgray a,.mw-parser-output .existinglinksgray a:visited{color:gray}.mw-parser-output .existinglinksgray a.new{color:#ba0000}.mw-parser-output .existinglinksgray a.new:visited{color:#a55858} (Russice)
Pagina Vicipaediae Russicae de Asovia
Nexus externus |
Vicimedia Communia plura habent quae ad Asoviam spectant.
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...
