18、挪威档案标准:从国家走向国际

挪威档案标准:从国家走向国际

1. 标准化在档案界的作用

如今,标准化推动着档案界的发展。通过国际、国家和社区层面的档案管理与存档标准的制定和采用,档案工作者正朝着全球共享知识的方向迈进,未来或许会从以文件为中心转向以数据为中心。

1.1 标准化的积极影响

标准化可看作是一种达成共识的通用做法。当标准被广泛使用时,它们会变得“广为人知,并与人们可依赖的特定、可预测的行为相关联”。这使得跨领域的沟通、互动和信息交换变得更加容易。例如,研究人员熟悉了按照描述性标准编制的检索工具后,就能预测下一个检索工具中可能包含的信息类型、位置以及组织方式。

1.2 标准化的消极影响

但标准化也有负面影响。它设定规则,划分整齐的范畴,使从业者和研究人员可能忽略不符合模型的因素,甚至过度简化其他因素。标准化意味着泛化,会限制人们的选择和观点,可能阻碍那些标准未支持的新思维方式。如果标准不持续审查,可能导致正统观念和职业发展停滞。标准具有规范性观点,会压制创造力,迫使行业从特定视角看待世界,阻碍其他观点的形成。此外,改变按照标准完成的工作成本高昂,会造成路径依赖,就像存在遗留系统一样,也会有遗留标准。社会的变化,特别是档案和记录管理方面的变化,可能会推翻标准所依赖的潜在假设。

1.3 标准化与职业发展

标准可以成为一个职业的共同基础,促进职业化发展。例如,来自国际标准化组织(ISO)、美国国会图书馆或国际档案理事会(ICA)的标准,能让档案工作者与其他信息专业人员区分开来。数字档案标准是专业话语和知识基础的一部分,虽然不是神秘的隐藏知识,但对于非专业人士来说可能成为障碍。同时,标准也能在不同职业之间搭建桥梁,但也可能通过引入狭义定义

【故障诊断】【pytorch】基于CNN-LSTM故障分类的轴承故障诊断研究[西储大学数据](Python代码实现)内容概要:本文介绍了基于CNN-LSTM神经网络模型的轴承故障分类方法,利用PyTorch框架实现,采用西储大学(Case Western Reserve University)公开的轴承故障数据集进行实验验证。该方法结合卷积神经网络(CNN)强大的特征提取能力和长短期记忆网络(LSTM)对时序数据的建模优势,实现对轴承不同故障类型和严重程度的高精度分类。文中详细阐述了数据预处理、模型构建、训练流程及结果分析过程,并提供了完整的Python代码实现,属于典型的工业设备故障诊断领域深度学习应用研究。; 适合人群:具备Python编程基础和深度学习基础知识的高校学生、科研人员及工业界从事设备状态监测与故障诊断的工程师,尤其适合正在开展相关课题研究或希望复现EI级别论文成果的研究者。; 使用场景及目标:① 学习如何使用PyTorch搭建CNN-LSTM混合模型进行时间序列分类;② 掌握轴承振动信号的预处理与特征学习方法;③ 复现并改进基于公开数据集的故障诊断模型,用于学术论文撰写或实际工业场景验证; 阅读建议:建议读者结合提供的代码逐行理解模型实现细节,重点关注数据加载、滑动窗口处理、网络结构设计及训练策略部分,鼓励在原有基础上尝试不同的网络结构或优化算法以提升分类性能。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值