Catharevusa
Multi tool use
Unam legis e paginis de
lingua Graeca
disserentibus
Proto-Graeca (ca. 2000 a.C.n.)
Mycenaea (1600–1100 a.C.n.)
Graeca antiqua (800–300 a.C.n.)
Dialecti: Aeolica, Arcado-Cypria,
Attica, Dorica, Ionica
Koine (300 a.C.n.–600 p.C.n.)
Neograeca (ab anno 1500)
Demotica, Catharevusa
Dialecti: Graeco-Calabra, Ievanica, Cappadociana, Pontica, Tsaconica, Cypria
Vide etiam
Alphabetum Graecum
Vestigia Catharevusae in lingua hodierna: 1. Morphologia: finalis -ν in κλασσικόν, 2. Scriptura polytonica, 3. Vocabularium: οἶκος, 4. Morphologia: participium passivum aoristi ἰδρυθείς, 5. Casus: dativus (τῷ)
Catharevusa (Neograece Καθαρεύουσα [kaθaˈre̞vuˌsa]) est lingua Graeca "pura" et emendata, saeculo undevicesimo ineunte ab Adamantio Corae creata, quae lingua officialis Graeciae fuit usque ad annum 1976.
Catharevusa similis est linguae Graecae antiquae communi; Coraes linguam vulgarem quam maxime emendari et a verbis alienis (ut puta Turcicis) "purificari" voluit, non autem linguam Graecam saeculi quarti a.C.n. restitui. Ita pro verbo vulgari ψάρι (piscis) non antiquum ἰχθύς, sed verbum Graecae recentioris ὀψάριον proposuit. Alii autem alia poposcerunt, quidam etiam meram dialectum Atticam. Unica quidem Catharevusa numquam exstabat, plus erat in scriptis quam in sermonibus. Varii scriptores variis modis Catharevusa Demoticaque usi sunt.
Regnum Graeciae ab initio (anno 1832) Catharevusam elegit, linguam vulgarem seu demoticam neglegens. Paulatim numerus hominum crescebat, qui Catharevusam recusaverunt, praecipue post secundum bellum mundanum: Poetae, qui linguam arte factam repudiaverunt, quia vitam authenticam describere voluerunt; magistri, quia intellexerunt discipulos successu carere, quod nimium temporis in grammaticam obsoletam consumpserunt.
Anno 1976 - duos annos post libertatem rei publicae restitutam - pro Catharevusa "lingua Neograeca communis" (Νεοελληνική κοινή), quae est sermo demotica (Δημοτική) cum quibusdam proprietatibus e Catharevusa oriundis, in linguam publicam officialem electa est.
Nexus interni
- Lingua Neograeca
- Diglossia
xsB TXx,1MuTB5J f8hSau5,hPOYC8PRQ0
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...
