<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Modeling on 中文AI术语词典</title><link>https://terms-en.ai-term-hub.com/zh/tags/modeling/</link><description>Recent content in Modeling on 中文AI术语词典</description><generator>Hugo</generator><language>zh-cn</language><lastBuildDate>Sat, 18 Jul 2026 11:44:45 +0000</lastBuildDate><atom:link href="https://terms-en.ai-term-hub.com/zh/tags/modeling/index.xml" rel="self" type="application/rss+xml"/><item><title>人格计算</title><link>https://terms-en.ai-term-hub.com/zh/terms/personality_computing/</link><pubDate>Sat, 18 Jul 2026 11:29:53 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/personality_computing/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>人格计算涉及开发能够建模、模拟或适应人类人格维度（如大五人格特质）的算法和系统。这些系统的目标是创建更具适应性和个性化的人机互动体验。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>一个专注于创建模拟人类人格特质以增强人机交互的计算模型的研究领域。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>大五人格特质&lt;/li>
&lt;li>计算建模&lt;/li>
&lt;li>人机交互&lt;/li>
&lt;li>个性化&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>创建富有同理心的虚拟助手&lt;/li>
&lt;li>自适应教育辅导系统&lt;/li>
&lt;li>心理评估工具&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/affective_computing-%E6%83%85%E6%84%9F%E8%AE%A1%E7%AE%97/">affective_computing (情感计算)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/natural_language_processing-%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86/">natural_language_processing (自然语言处理)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/human_robot_interaction-%E4%BA%BA%E6%9C%BA%E4%BA%A4%E4%BA%92/">human_robot_interaction (人机交互)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>神经建模场</title><link>https://terms-en.ai-term-hub.com/zh/terms/neural_modeling_fields/</link><pubDate>Sat, 18 Jul 2026 11:28:12 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/neural_modeling_fields/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>神经建模场涉及研究神经群体如何在高维空间中组织自身以表征信息。这一概念通常与拓扑映射（topological mappings）和场论（field theory）相关。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>描述神经活动模式的空间和功能组织的理论框架。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>拓扑映射&lt;/li>
&lt;li>群体编码&lt;/li>
&lt;li>场论&lt;/li>
&lt;li>空间组织&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>认知地图研究&lt;/li>
&lt;li>感觉皮层建模&lt;/li>
&lt;li>脑机接口&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/cognitive-map-%E8%AE%A4%E7%9F%A5%E5%9C%B0%E5%9B%BE/">Cognitive map (认知地图)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/population-vector-%E7%BE%A4%E4%BD%93%E5%90%91%E9%87%8F/">Population vector (群体向量)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/topographic-map-%E6%8B%93%E6%89%91%E5%9B%BE/">Topographic map (拓扑图)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/neural-dynamics-%E7%A5%9E%E7%BB%8F%E5%8A%A8%E5%8A%9B%E5%AD%A6/">Neural dynamics (神经动力学)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>位置、尺度和形状广义加性模型</title><link>https://terms-en.ai-term-hub.com/zh/terms/generalized_additive_model_for_location_scale_and_shape/</link><pubDate>Sat, 18 Jul 2026 11:18:16 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/generalized_additive_model_for_location_scale_and_shape/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>与传统回归模型仅关注均值不同，GAMLSS 对整个分布进行建模，包括位置（均值/中位数）、尺度（方差）、偏度和峰度。它使用广义&amp;hellip;&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>GAMLSS 是一种灵活的统计框架，允许使用加性平滑函数将所有分布参数建模为解释变量的函数。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>分布建模&lt;/li>
&lt;li>加性平滑&lt;/li>
&lt;li>方差建模&lt;/li>
&lt;li>统计灵活性&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>生长曲线分析&lt;/li>
&lt;li>风险评估&lt;/li>
&lt;li>复杂数据分布拟合&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/glm-%E5%B9%BF%E4%B9%89%E7%BA%BF%E6%80%A7%E6%A8%A1%E5%9E%8B/">GLM (广义线性模型)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/smoothing-splines-%E5%B9%B3%E6%BB%91%E6%A0%B7%E6%9D%A1/">Smoothing Splines (平滑样条)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/statistical-modeling-%E7%BB%9F%E8%AE%A1%E5%BB%BA%E6%A8%A1/">Statistical Modeling (统计建模)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/regression-analysis-%E5%9B%9E%E5%BD%92%E5%88%86%E6%9E%90/">Regression Analysis (回归分析)&lt;/a>&lt;/li>
&lt;/ul></description></item><item><title>数据驱动模型</title><link>https://terms-en.ai-term-hub.com/zh/terms/data_driven_model/</link><pubDate>Sat, 18 Jul 2026 11:12:36 +0000</pubDate><guid>https://terms-en.ai-term-hub.com/zh/terms/data_driven_model/</guid><description>&lt;h2 id="definition">Definition&lt;/h2>
&lt;p>数据驱动模型是一种人工智能系统类型，其行为和预测结果源于历史数据中识别出的模式，而不是由硬编码的规则或明确的数学公式定义。这类模型能够自动适应数据中的复杂关系。&lt;/p>
&lt;h3 id="summary">Summary&lt;/h3>
&lt;p>其参数和结构直接从经验数据中学习，而非通过显式编程计算的计算模型。&lt;/p>
&lt;h2 id="key-concepts">Key Concepts&lt;/h2>
&lt;ul>
&lt;li>经验学习&lt;/li>
&lt;li>模式识别&lt;/li>
&lt;li>统计推断&lt;/li>
&lt;li>黑盒模型&lt;/li>
&lt;/ul>
&lt;h2 id="use-cases">Use Cases&lt;/h2>
&lt;ul>
&lt;li>使用历史价格数据预测股票市场趋势&lt;/li>
&lt;li>从医学影像扫描中诊断疾病&lt;/li>
&lt;li>使用卫星观测数据预测天气模式&lt;/li>
&lt;/ul>
&lt;h2 id="related-terms">Related Terms&lt;/h2>
&lt;ul>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/machine_learning-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/">machine_learning (机器学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/empirical_modeling-%E7%BB%8F%E9%AA%8C%E5%BB%BA%E6%A8%A1/">empirical_modeling (经验建模)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/supervised_learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">supervised_learning (监督学习)&lt;/a>&lt;/li>
&lt;li>&lt;a href="https://terms-en.ai-term-hub.com/en/terms/neural_networks-%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C/">neural_networks (神经网络)&lt;/a>&lt;/li>
&lt;/ul></description></item></channel></rss>