本研究建立了一个计算模型，通过多维相似性网络模拟古典波斯诗人之间的影响，解决了传统研究中缺乏系统分析的问题。利用Ganjoor的数据集，识别出关键诗人和风格中心，揭示波斯文学中的风格与主题群体，为数字人文学科提供了新的视角。

本文探讨了人脑无法作为经典数字计算机的原因，指出意识所需的信息量超出人脑的物理容量。通过量化意识状态及其历史依赖性，提出新的数学分析，强调意识计算模型的局限性，暗示需要非经典的信息处理机制来解释意识体验。

本研究提出了一个计算模型，解决自我决定理论中的“能力需求”模糊问题，结合强化学习，推动心理学理论发展，深化对内在动机的理解。

本研究提出了一种动态参数分割的上下文分区方法，显著提升了大规模计算模型的适应性和可扩展性，实验结果显示其在准确性和计算效率上均有明显改善。

本文探讨了计算机视觉中异常图像识别与分类的方法，提出了基于人类实验数据的分类法和计算模型，并建立了异常图像数据集。研究还涉及无监督生成模型在数字病理学中的应用、基于文本生成高质量人类图像的框架、视频异常检测方法，以及数据增强技术在视觉任务中的重要性，旨在提升视觉系统的性能与准确性。

本研究提出了一种新颖的计算模型，通过动态扩展认知地图，增强自主体在复杂环境中的导航能力。该模型借鉴动物导航策略，能够快速学习环境结构，并在没有先验知识的情况下进行有效导航。

本研究提出了一种基于概率分布的创新模型，解决了以往语言确定性表达校准方法的简化问题，显著提高了人类与计算模型的校准效果。

数字孪生是将计算模型与物理模型相耦合的系统，通过双向数据流动态更新，具有预测能力。它在医疗决策、天气预测和工程流程等方面广泛应用。然而，实现数字孪生的全部潜力仍面临数学、统计和计算研究的差距，以及系统和转化挑战。数字孪生的未来应用包括医学研究、飞机发动机优化和气候预测。加强核查、验证和不确定性量化是数字孪生发展的关键。联邦机构应提供计算资源，并促进领域间的协作和数据模型的共享。

本文提出了一种生物启发的权重初始化方案，通过实验分析证明其可以提高深度卷积神经网络的准确性，展示了生物启发型计算模型在改善卷积网络效果方面的潜力。

本研究提出了解决Pictionary问题的计算模型，使用固定问题和开放式语言形式的猜测单词，通过深度神经模型生成类似于人类的错误词汇，可用于类似游戏，并进行了比较和实验验证。

本文研究了CLIP在合成知识下图像描述的能力，提出了五种计算模型并设计了新的训练算法CoSI。通过属性-对象标记任务和空间关系任务的测试，结果显示CLIP在属性-对象标记任务中表现良好且能够推广至新的未知属性-对象组合，但无法可靠地绑定特性和学习对象之间的关系。

本文提出了一种新的计算模型，通过内存网络的检索错误来估计惊喜的新颖性，并通过惊喜记忆（SM）增加基于惊喜的内在动机的能力。实验结果表明，SM在稀疏奖励环境中表现出高效的探索行为，并显著提升了最终性能。

该文提出了一种新的计算模型，用于模拟阅读和眼动。该模型采用分层主动推理，通过预测和推理多个粒度级别的音节到句子，将语言处理视为对层次生成模型的推理。该模型结合了大规模语言模型的文本预测能力和主动推理的眼动引导信息，能够在阅读已知和未知词汇和句子时表现出熟练程度，并符合阅读双重路径理论中词汇和非词汇路径的区分。该模型在理解阅读和眼动中的复杂认知过程方面取得了显著进展，并有助于理解和解决阅读障碍与诵读障碍相关的问题。它可能为该病症提供有价值的见解，并有助于制定更有效的治疗措施的发展。

文章讨论了语言的词问题及其计算模型。词问题是判断一个词是否属于某语言的决策问题。可决策语言的特性函数可计算，而半可决策语言只能确认词是否在语言中。不同语言类别对应不同的计算模型，如图灵机和有限自动机等。