Gaius Cilnius Maecenas
Multi tool use
Calliope cum Maecenate, Augusto variisque poëtis Romanis in editione Vergiliana anni 1517 ficta
Gaius Cilnius Maecenas (circa 70/65–8 a.C.n.) fuit dives eques Romanus, artium patronus, amicus Octaviani Augusti, Horatii, Vergilii, et aliorum poetarum. Ex Tuscia provenit ex regia familia Etrusca.
De Maecenate scripsit Horatius :"Maecenas atavis edite regibus" (Carmina 1.1), quia cognomen eius ex Tuscis regibus deductum erat. Maecenas Terentiam in matrimonium duxit. Ipsum cognomen in toto orbe notum, quia liberalis artium patronus significat. Propertius quoque eum in carminibus celebravit.
Augustus ei latifundia Aegypti dedit, ubi Maecenas vinum colebat quod nomine "Vineae Maecenatianae" Romae vendit. Maecenas tamen saepe gustui profundo incusatus est. Ut homo politicus, Maecenas principatui favebat quoniam antiquam maiorum rem publicam perditam putabat. Gaius Maecenas adiuvit cum Pacto Brundisii. Suum ingenium fuisse Octavianum non nomen Romuli accepisse sed adhuc novum nomen Augusti. Ita metus regius demeretur. Maecenas Vergilio pecuniam dabat ut hic Aeneida, carmen heroicum, scribere posset quod Octavianum ut progeniem Aeneae celebraret. Maecenas voluit esse poetam, sed non erat bonus poeta. Gaius Maecenas aedificavit magnos hortos. Maecenate mortuo, toti sui boni dati sunt Augusto.
Bibliographia |
- Jean-Marie André, Mécène: essai de biographie spirituelle. 1967 (Textus apud Google Books)
- Albertus Lion, Maecenatiana. Gottingae: Vandenhoeck & Ruprecht, 1834 Textus apud archive.org
- "Maecenas, C. Cilnius" in William Smith, ed., Dictionary of Greek and Roman Biography and Mythology (Londinii: Taylor & Walton, 1844-1849 ~) vol. 2 pp. 890-895
- "Der wahre Mäzen" in Frankfurter Allgemeine Sonntagszeitung (die 4 Iunii 2006).
EFfMRs7576zziv3ZGjXYL3pv0xv0w,oU5yxsx 2k1dozj,K KaNrpMe50z 7txBR,8wMPEfFgQPxgnNp6q g T
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...
