Nativitas: 1170; Roman Catholic Archdiocese of Montpellier Obitus: 15 Ianuarii 1208; Villa Sancti Aegidii Patria: Francia
Officium
Munus: Monachus, clericus
Consociatio
Religio: Ecclesia Catholica Romana
Memoria
Beatus (feriae die )
Petrus de Castro Novo,[1] qui ab oppido Francogallice Castelnau-le-Lez nuncupatum cognominatur, fuit ab anno 1202 abbatiae Fontis Frigidi monachus et ab anno 1203 legatus pontificalis contra haeresem Catharorum una cum monacho Radulpho institutus; quibus ab anno proximo praepositus est Arnoldus Amalricus Cisterciensis abbas ... Illi mense Decembri anni 1206 iuxta Montepessulano invenerunt Didacum Oxomensem episcopum nuper ab apostolico sede reditum. Inde omnes, una cum Dominico Iacobi contubernio, praedicationem ad Catharos susceperunt (an Innocentius haec praevidisset non liquet).
Die 14 Ianuarii 1208[2] ad ripam fluminis Rhodani a duobus equitibus necatus est. Interfectores, si commentario legati Milonis et bullae pontificali credimus, postea ut amici a Raimundo comite Tolosano et a Guillelmo Porcelleto Arelatensi domino recepti sunt.[3] Ab hoc crimine oritur Expeditio sacra in Albigenses a papa Innocentii III missa.
Index
1Officia
2Fontes
3Notae
4Bibliographia
Officia |
Cano Magalonae ab anno 1182
Archidiaconus Magalonae ab anno 1197
monachus abbatiae Fontis Frigidi ab anno 1202
legatus pontificalis annis 1203-1208
Fontes |
Innocentius III, bullae "Rem crudelem" et "Ne nos eius tangeret"
Petrus Vallium Cernaii, Historia Albigensis 6, 20, 24-27, 55-65
Acta Sanctorum a Sociis Bollandianis edita (Antverpiae, Bruxellis, 1643-1940) vol. 1 mensis Martii, p. 416
Notae |
↑"fratrem Petrum de Castronovo": Petrus Vallium Cernaii, Historia Albigensis iii.20
↑"Necrologium de Cassan" (Histoire générale de Languedoc vol. 5 p. 36; alii dixerunt 16 Februarii 1208 aut 5 Martii 1208, sed falso.
↑Epistula legati pontificalis Milonis de Petro de Castro Novo interfecto (PL vol. 219 col. 126); Bulla pontificalis "Rem crudelem".
Bibliographia |
A. Villemagne, Bullaire du bienheureux Pierre de Castelnau.
H. Zimmermann, Die päpstliche Legation in der ersten Hälfte des 13. Jahrhunderts. 1913
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...
Petrus de Castro Novo
