Egica (rex Visigothorum)
Multi tool use
|
Haec est pagina de Hispania Visigothica. Ut hoc indagare, vide etiam Categoria:Hispania Visigothica.
|
Egica fuit rex Visigothorum Hispaniae (natus circa annum 610, qui ab 24 Novembris 687 ad annum 702) rexit. Regnum accepit quod in matrimonium duxit Cixilonam filiam Ervigii. Ervigius iussit Egicae familam suam protegere.
Egica familiam Ervigii odierat nolens hoc iuramentum attinere deinde concilium Toletanum XV convocavit anno 688. Egica postulavit iuramentum contra bonum publicum esse, quod Ervigius saevus fuit. Nihilominus, concilium praetensionem regiam negavit. Haec res Egicae grata non erat itaque anno 691 secreto synodum episcoporum convocavit in Caesaraugusta (Tarraconense). Haec synodus concilium revocavit tunc Egica familiam Ervigii conscribire potuit.
De rebellione Suniefredi |
Ob hanc synodum maiores insidias contra regem creaverunt et ex iis regem elegerunt Suniefredum anno 692. Suniefredus cum Theodomiro duce Cartaghinensis, Sisbertus episcopus Toleti et alii coniurati regem occidere volebant sed Egica effugit Caesaraugustam. Tunc copias iunxit et contra usurpatorem profectus est. Anno 693 rebelles victi sunt.
Eodem anno, Egica concilum Toletanum XVI convocavit ut regnum suum legitimare. Hoc in concilio, leges promulgatae sunt res coniuratorum conscribiendi causa.
Leges promulgatae |
Egica conatus est leges antecessorium mutare, regnum legitimandi causa. Multae ex his legibus contra Iudaeos erant et Concilium Toletanum XVII has leges confirmavit. Egica vetuit Iudaeos negotiare et augmentavit tributos. Etiam iussit Iudaeos filios parvulos familiis Christianis dedissent.
Die 15 Novembris 700, Egica filium Vitizam co-regem? fecit, et ei Gallaeciam dedit dum alter filius Oppas nominatus est archiepiscopus Hispalensis. Egica anno 702 mortuo, Vitiza in regno est coronatus.
De familia |
Egica erat filius Aribergae, quae soror Wambae et filia Tulgae regis erat. Uxor Cixilona genuit filium Witizam.
Antecessor:
Ervigius
|
Rex Visigothorum
687–702
|
Successor:
Vitiza
|
qtAl IpgY1ySuhw0R
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...
