计算机模型理解知识的方式可以从多个角度进行阐述：
结构化的知识表示
计算机模型通过特定的数据结构（如树、图、超平面）来表示知识。这些结构能够捕捉数据之间的关系和模式，使得计算机能够通过学习这些结构来“理解”或处理数据。
算法与模型
机器学习算法如决策树、循环神经网络（RNN）、支持向量机（SVM）等都可以被视为模型。这些模型通过生成特定的结构（如决策树的结构、RNN的图结构、SVM的超平面）来学习和表示知识。
冯·诺伊曼模型
冯·诺伊曼计算机模型是计算机硬件结构的抽象表示，它由运算器、存储器、控制器、输入设备和输出设备五大基本部分组成。这个模型通过二进制系统来表示数据和指令，从而实现了计算机内部知识的存储和处理。
内存模型
计算机内存模型可以类比为数组模型，内存中的数据按照一定的顺序存储，并且每个内存位置都有其特定的地址。这种模型帮助计算机有效地访问和操作数据。
概念模型
概念模型，也称为信息模型，是面向应用的，用于对数据和信息进行建模。它主要用于数据库设计，描述用户和设计者都能理解的信息结构。概念模型通过实体、实体型、实体集、属性和码等概念来抽象和刻画现实世界中的事物及其联系。
知识表示与推理
计算机模型还包括知识表示和推理机制，这些机制使得计算机能够根据存储的结构化知识进行推理和决策。例如，专家系统使用规则引擎来应用存储的知识解决特定领域的问题。
通过这些模型和结构，计算机能够以结构化和逻辑的方式理解和处理知识，从而实现各种复杂的应用。