SharePoint2010文档归档策略

配置放置库

1. 如果没有【放置库】,则需要配置【放置库】打开站点http://moss:8001 ,打开【网站操作】-【网站设置】-【网站操作】-【管理网站功能】如下图:

image

2. 启用【内容管理器】的Feature,如下图:

image

3. 启用后在网站首页可以看到【放置库】,如下图:

image

配置外部发送链接

1. 打开【管理中心】-【一般应用程序设置】-【外部发送连接】-【配置发送到连接】,如下图:

image

2. 点击进入配置发送连接的参数,发送URL为:http://moss:8001/_vti_bin/officialfile.asmx ,如下图:

image

【单击此处进行测试】,如下图:

image

选择发送到操作

image

点【添加连接】保存,然后选择对应的连接,如下图

image

点【确定】即可。

添加文档信息策略

1. 打开http://moss:8001 新建文档库【我的文档库】并上传文档,如下图:

image

2. 打开共享文档库->库设置->信息管理策略-启用保留

image

image

选择【启用保留】如下图:

image

点【添加保留阶段】,策略根据自己实际情况定义,如下图:

image

3. 手工模拟测试下

选择上传的文档,打开下拉菜单,如下图:

image

选择【发送到】-【TimerJobSendLink】如下图:

image

等会看到提示信息,如下图:

image

再回到【我的文档库】查看,此时文档已经不存在,如下图:

image

查看【放置库】可以看到刚才移动走的文档,如下图:

image

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论 1
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