five

Menselijke skeletten in een steeg in Nieuwendam (AAR 72)

收藏
Mendeley Data2024-02-11 更新2024-06-27 收录
下载链接:
https://archaeology.datastations.nl/citation?persistentId=doi:10.17026/AR/TML70E
下载链接
链接失效反馈
资源简介:
Graafwerkzaamheden in de steeg tussen de panden Nieuwendammerdijk 305 en 307 brachten menselijke botresten aan het licht. Het ging om twee skeletten in anatomisch verband en enkele losse botten die minimaal nog één individu vertegenwoordigen. Het noodonderzoek was kleinschalig en heeft daarom een beperkt beeld van de bredere stratigrafische of ruimtelijke context opgeleverd. Met de beschikbare gegevens kon geen onomstotelijke bewijs voor de oorzaak van de depositie van de lichamen worden gevonden. De skeletten lagen zuid-noord georiënteerd in de lengte van de steeg haaks op de Nieuwendammerdijk. Er waren geen resten van grafkisten aanwezig. Het gaat in beide gevallen om (jong) volwassen individuen, in de leeftijd van naar schatting 23 tot 40 jaar (NDD-1) en 21 tot 22 jaar (NDD-3). Skelet NDD-3 betrof een man, van skelet NDD-1 was het geslacht niet te bepalen. Aan het skelet van de jongere man (NDD-3) was duidelijk zichtbaar dat er sprake was van een slechte gezondheid vanwege gebrekkige voeding, overbelasting en ziekte. Van skelet NDD-1 resteerde slechts het onderlijf op basis waarvan weinig tot geen uitspraken over de gezondheid gedaan konden worden. Aan het derde individu kunnen met zekerheid alleen een linker sprongbeen en een linker en rechter hielbeen worden toegeschreven. Het betreft een volwassen individu, waarschijnlijk van het mannelijk geslacht. Mogelijk lag dit skelet hoger en is het bij de aanleg van de rioolbuis vergraven. De botresten bevonden zich in een kleilaag. Gezien de aard van het pakket, zware homogene klei, is het waarschijnlijk dat de klei afgezet is tijdens een overstroming. Een andere mogelijkheid is dat het de vulling is van een grote kuil waarvan in de smalle steeg de randen niet zijn waargenomen. Het kleipakket is vermoedelijk geen onderdeel van het dijklichaam, hoewel de mogelijkheid niet geheel uitgesloten kan worden. Een dergelijke antropogene dijkophoging bestaat uit een opeenstapeling van zoden en plaggen, die meestal goed herkenbaar zijn. Op basis van de stratigrafie dateert de kleilaag dan van na 1514, het jaar waarin de dijk werd aangelegd, en van vóór 1775-1800, de periode waaruit de afdekkende laag dateert, zoals afgeleid van enkele aardewerk vondsten. Het is aannemelijk dat het kleipakket, met daarin de skeletten, er al lag op het moment dat de bouw van de huizen startte. Het blijft onduidelijk of de stoffelijke resten in de steeg zijn achtergebleven na de overstroming of dat de steeg en de (eerste) bebouwing naderhand op de overstromingslaag zijn aangelegd. De ligging van beide skeletten, op de rug met gestrekte ledematen, in de lengte van de steeg, kan er op wijzen dat ze de steeg in zijn gedreven, maar dit vormt geen sluitend bewijs, want ook in vrij stromend water zonder de trechterwerking van de steeg kunnen lichamen in een dergelijke positie in meegespoelde klei achterblijven.
创建时间:
2024-02-11
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

核电厂焊缝射线质量智能评定模型数据

1.对核电厂焊缝射线质量、缺陷进行智能精准识别与评定,为核电厂焊缝射线质量智能评定模型提供训练数据,提高核电厂焊缝射线评定标准的准确性,进一步提升核电厂焊缝射线质量。 2.能够为核电厂焊缝质量控制提供决策依据,通过焊缝质量、缺陷训练数据持续优化模型检测标准,进一步保障核电站设备安全和长期稳定运行。数据收集和处理: 步骤1数据收集:方式一:通过使用数字射线检测设备采集获取原始焊缝图像数据;方式二:通过高分辨率扫描设备对传统射线底片影像数据转化为原始焊缝图像数据。 步骤2数据处理:对收集到的原始焊缝图像数据进行图像预处理,去除图像噪声、矫正图像畸变,统一图像尺寸(将图像的高度(imageHeight)和宽度(imageWidth)统一为3580×780(像素),确保原始焊缝图像数据质量和一致性。 步骤3数据标注:使用图像标注工具对原始焊缝图像数据的Filename(文件名)、Shapes(形状)、imagePath(路径)、imageData(图像数据)、imageHeight(图像高度)、imageWidth(图像宽度)等字段进行数据标注。其中:Filename(文件名)按照image_XXX.json按序号依次标注;Shapes(形状)字段中的label(标签)用于标注缺陷类型,缺陷类型标签包括5个缺陷等级:liewen(裂纹)、qikong(气孔)、jiazha(夹渣)、weironghe(未熔合)、weihantou(未焊透),points(位置)用于标记缺陷在图像中的位置,通过坐标的形式进行标注,shape_type(形状类型)为用于框选缺陷的形状,在本数据标注过程中均使用rectangle(矩形)框进行框选,在同一个焊缝图像数据中可能存在多个缺陷,在进行数据标注的过程中Shapes(形状)可能包含多个缺陷;imagePath(路径)用于标记生成标注文件的存储位置,存储在图像的同一路径(文件夹)下;imageData(图像数据)为对通过数据收集阶段获取到的原始焊缝图像数据进行标注,按照image_XXX.tiff进行命名存储;对图像高度(imageHeight)和宽度(imageWidth)分别标注为3580和780。通过以上数据标注过程确保为后续模型训练提供高质量的标注数据。 通过使用核电厂焊缝射线质量智能评定模型数据能够构建例如:卷积神经网络(CNN)的自动识别模型,实现核电厂焊缝射线图像缺陷的自动识别并和缺陷类型的标注,辅助人工评定工作,提升检测效率和准确度。

浙江省数据知识产权登记平台 收录

MNBVC

MNBVC数据集是一个超大规模的中文语料集,包括新闻、作文、小说、书籍、杂志、论文、台词、帖子、wiki、古诗、歌词、商品介绍、笑话、糗事、聊天记录等一切形式的纯文本中文数据。数据集不但包括主流文化,也包括各个小众文化甚至火星文的数据。

github 收录

LFW

人脸数据集;LFW数据集共有13233张人脸图像,每张图像均给出对应的人名,共有5749人,且绝大部分人仅有一张图片。每张图片的尺寸为250X250,绝大部分为彩色图像,但也存在少许黑白人脸图片。 URL: http://vis-www.cs.umass.edu/lfw/index.html#download

AI_Studio 收录

PrimerBank

PrimerBank is a public resource for PCR primers. These primers are designed for gene expression detection or quantification (real-time PCR). PrimerBank contains over 306,800 primers covering most known human and mouse genes.

国家生物信息中心 收录

EdNet

displayName: EdNet license: - CC BY-NC 4.0 paperUrl: https://arxiv.org/pdf/1912.03072v3.pdf publishDate: "2019" publishUrl: https://github.com/riiid/ednet publisher: - University of Michigan - Yale University - University of California, Berkeley - Riiid AI Research tags: - Student Activities taskTypes: - Knowledge Tracing --- # 数据集介绍 ## 简介 圣诞老人收集的各种学生活动的大规模分层数据集,一个配备人工智能辅导系统的多平台自学解决方案。 EdNet 包含 2 年多来收集的 784,309 名学生的 131,441,538 次互动,这是迄今为止向公众发布的 ITS 数据集中最大的。资料来源:EdNet:教育中的大规模分层数据集 ## 引文 ``` @inproceedings{choi2020ednet, title={Ednet: A large-scale hierarchical dataset in education}, author={Choi, Youngduck and Lee, Youngnam and Shin, Dongmin and Cho, Junghyun and Park, Seoyon and Lee, Seewoo and Baek, Jineon and Bae, Chan and Kim, Byungsoo and Heo, Jaewe}, booktitle={International Conference on Artificial Intelligence in Education}, pages={69--73}, year={2020}, organization={Springer} } ``` ## Download dataset :modelscope-code[]{type="git"}

魔搭社区 收录