Publius Cornelius Scipio Nasica Corculum (natus saeculo 3 aut 2 a.C.n., mortuus anno 141 a.C.n.) pontifex maximus et vir consularis Romanus fuit.
Index
1Gens
2Cursus honorum
3Bibliographia
4Notae
Gens |
Pater eius Publius Cornelius Cn.f. Scipio Nasica erat, qui anno 191 a.C.n. consulatum gessit, mater Cornelia, filia Scipionis Africani. Filius eius Publius Cornelius Scipio Nasica Serapio, consul anni 138 a.C.n. fuit.
Cursus honorum |
Scipio anno 169 a.C.n. aedilis curulis fuit. Lucio Aemilio Paullo imperatore Scipio anno 168/167 a.C.n. bello contra Persem interfuit[1]. Anno 165 praeturem adeptus est, anno 162 consul electus est, sed una cum collega Gaio Marcius Figulo propter vitia religiosa se a magistratu abdicare coactus est. Eis Gnaeus Domitius Ahenobarbus et Publius Cornelius L.f. Lentulus successerunt. Anno 159 censor Clepsydram primam Romae erexit[2] et statuas non probatas e Foro removit[3]. Anno 155 iterum consul erat, tum cum Marco Claudio Marcello atque de Delmatis victis triumphavit[4]. Anno 154 theatrum perpetuum aedificari interdixit. Acriter inter Tertium Bellum Punicum pro clementia in Carthaginem nitebatur[5]. Anno 150 pontifex maximus factus est. Annis 147 et 142 princeps senatus erat. Anno 141 a.C.n. filius ei pontifex maximus succesit. Corculum idcirco hoc anno mortuum esse constat. Scipio et iuris peritus et orator clarus fuit[6].
Bibliographia |
Carolus-Ludovicus Elvers, "C. Scipio Nasica Corculum, P." in Der Neue Pauly vol. 3 (Stutgardiae: Metzler, 1997. ISBN 3-476-01473-8) col. 184.
Notae |
↑Plutarchus, Aemilius 15-22
↑Gaius Plinius Secundus, Naturalis historia VII 115
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...