David Bescoby

Enhanced interpretation of magnetic survey data from archaeological sites using artificial neural networks

The use of magnetic surveys for archaeological prospecting is a well-established and versatile technique, and a wide range of data processing routines are often applied to further enhance acquired data or derive source parameters. Of particular interest in this respect is the application of artificial neural networks (ANNs) to predict source parameters such as the burial depths of detected features of interest. Within this study, ANNs based upon a multilayer perceptron architecture are used to perform the nonlinear mapping between buried wall features detected within the magnetic data and their corresponding burial depth for surveys in the ancient city of Butrint in southern Albania, achieving a greater level of information from the survey data. Suitable network training examples and test data were generated using forward models based upon ground-truth observations. The training procedure adopts a supervised learning routine that is optimized using a conjugate gradient method, while the learning algorithm...

A Preliminary Investigation of Two Prehistoric Cave Sites in Southern Albania

In this article we describe the evaluation of two prehistoric sites situated within the coastal zone of south-western Albania, originally investigated by the Italian prehistorian Luigi Cardini in 1939. The first is a cave site in the town of Himara; the second a rock-shelter at Kanalit in the Acroceraunian Mountains to the north. Investigations at both locations revealed stratified evidence of prehistoric activity dating from the mid-Holocene. At Kanalit, an extensive lithic assemblage provided evidence for the exploitation of the adjoining coastal lowlands during the Mesolithic, while at Himara, a largely unbroken sequence of deposits records often intensive human activity at the cave from the Early Bronze Age. Radiocarbon dates have provided a significant independent chronological marker for Early/Middle Bronze Age horizons. The ceramic evidence indicates a predominance of local influences, the site not becoming part of wider trading networks until the late Iron Age, c. seventh to sixth centuries BC. Σε αυτό το άρθρο πραγματευόμαστε τη σημασία δύο προϊστορικών θέσεων, οι οποίες βρίσκονται στην παράκτια ζώνη της ΝΔ Αλβανίας. Οι θέσεις αυτές είχαν αρχικά ερευνητεί από τον Ιταλό προϊστορικό αρχαιολόγο Luigi Cardini το 1939. Η πρώτη θέση αφορά ένα σπήλαιο στην πόλη της Χειμάρρας και η δεύτερη μία βραχοσκεπή, στη θέση Kanalit, στα Ακροκεραύνια όρη προς βορρά. Έρευνες στις δύο θέσενς αποκάλυψαν στρωματογραφημένες ενδείξεις προϊστορικής δραστηριότητας, που χρονολογούνται από το μέσο Ολόκαινο. Στη θέση Kanalit ένα ευρύ σύνολο λίθινων αντικειμένων παρέχει στοιχεία για την εκμετάλλευση των γειτονικών παράκτιων πεδινών περιοχών κατά τη Μεσολιτική περίοδο. Στο σπήλαιο της Χειμάρρας μία σειρά από αδιάσπαστες, στο μεγαλύτερο μέρος τους, αποθέσεις μαρτυρεί συχνά έντονη ανθρώπινη δραστηριότητα από την Πρώιμη Εποχή του Χαλκού. Οι ραδιοχρονολογήσεις παρέχουν ένα σημαντικό ανεξάρτητο χρονολογικό δείκτη για τους ορίζοντες της Πρώιμης/Μέσης Εποχής του Χαλκού. Η κεραμική φανερώνει την επικράτηση τοπικών επιρροών, με τη θέση αυτή να μην λαμβάνεν μέρος στα ευρύτερα εμπορικά δίκτυα πριν από την όψιμη Εποχή του Σιδήρου, περίπου τον 70 – 60 αιώνα π.Χ.

Interpretation of geophysical surveys of archaeological sites using artificial neural networks

Geophysical surveys form a vital component of modern archaeological studies, providing data on the location of surviving sub-surface remains. Unfortunately interpretation of the raw output from geophysical surveys requires considerable expertise and current methods for machine interpretation are computationally expensive. In this paper, we describe the use of multi-layer perceptron neural networks from automated interpretation of geophysical survey data and present promising initial results for a survey taken of the Roman suburb of Butrint, a classical city situated in what is now Albania. Clearly a computationally efficient and straightforward means of inverting geophysical survey data is potentially an extremely useful tool in encouraging public awareness of cultural heritage.