Was sind die mathematischen Modelle des Gedächtnisses?

Mit einer Google-Suche nach „mathematical model memory“ lassen sich sehr viele Referenzen leicht finden . Die wohl klassischste und ikonischste Referenz ist Atkinson and Shiffrin ^{₍₁₉₆₅₎} , die auch auf Wikipedia beschrieben wird . Seine drei Komponenten und ihre Beziehungen sind in dieser Abbildung schön zusammengefasst:

Es gibt viele andere, weniger bekannte mathematische Modelle des Gedächtnisses, einschließlich, aber nicht beschränkt auf diese:

• Ein Modell des Wiedererkennungsgedächtnisses ^{_{(Atkinson & Juola, 1974)}}
• Ein Modell des zirkulären Prozesses im Kurzzeitgedächtnis ^{_{(Min'ko & Petunin, 1981)}}
• Eine Anwendung der Interferenztheorie auf Gedächtnisstörungen ^{_{(Anninos, 1972)}}
• Ein Modell der Hippocampus - Aktivität mit affinen und chaotischen Regeln ^{_{(Yamaguti, Kuroda, Fukushima, Tsukada, & Tsuda, 2011; siehe auch Tsuda, Yamaguti, Kuroda, Fukushima, & Tsukada, 2008; Fukushima, Tsukada, Tsuda, Yamaguti, & Kuroda, 2009)}}
• Ein Computersimulationsmodell des kurzfristigen Lernens ^{_{(Anderson, 1983; siehe auch ein einfacheres Modell, vorgeschlagen von Hicklin, 1976, zitiert in einer Rezension von Andersons Artikel von Preece & Anderson, 1984 )}}
• Ein Computersimulationsmodell der operanten Konditionierung ^{_{(Bower, 1967; Mandler, 1967)}}
• Das neuronale Netzwerkmodell des assoziativen Gedächtnisses von Hopfield ^{_{( 1982 , 1984 , 2006 ) ( Rojas, 1996 ; siehe auch Wikipedia ; danke @Memming!)}} beschreibt die neuronale Aktivität als binär, die Attribute von Erinnerungen als Zustandsraumorte und das System als regiert von eine Lyupanov-Funktion . Viel mehr könnte über künstliche neuronale Netzmodelle des Gedächtnisses im Allgemeinen gesagt werden (z. B. LSTM , ^{_{Hochreiter & Schmidhuber, 1997 ;}} ART , ^{_{Carpenter & Grossberg, 1987a , 1987b ).}}

Folgende Referenzen könnten Sie auch interessieren:

• Ein Buchkapitel, "Mathematische Modelle des menschlichen Gedächtnisses" ^{_{(Raaijmakers, 2008)}}
• Ein Buch, Mathematische Modelle in der Psychologie ^{_{(Restle, 1971)}}
• Das gesamte Buch von Rojas ^{₍₁₉₉₆₎} , Neural Networks: A Systematic Introduction , scheint relevant zu sein. (Und frei!)

Und eine verwandte Frage hier, in der "Erinnerung" zweimal vorkommt:

• https://cogsci.stackexchange.com/q/1391/4086

^{Referenzen
· Anderson, OR (1983). Ein neuromathematisches Modell der menschlichen Informationsverarbeitung und seine Anwendung auf den Erwerb naturwissenschaftlicher Inhalte. Journal of Research in Science Teaching, 20 (7), 603–620.
· Anninos, Pennsylvania (1972). Mathematisches Modell der Gedächtnisspur und Vergesslichkeit. Kybernetik, 10 (3), 165–167.
· Atkinson, RC, & Juola, JF (1974). Such- und Entscheidungsprozesse im Wiedererkennungsgedächtnis. In DH Krantz, RC Atkinson, RD Luce & P. ​​Suppes (Hrsg.), Zeitgenössische Entwicklungen in der mathematischen Psychologie: I. Lernen, Gedächtnis und Denken . Oxford, England: WH Freeman.
·Atkinson, RC, & Shiffrin, RM (1965). Mathematische Modelle für Gedächtnis und Lernen. Technischer Bericht Nr. 79: Psychologische Reihe. Institut für mathematische Studien in den Sozialwissenschaften, Stanford University. Abgerufen von http://www.rca.ucsd.edu/s selected_papers/IMSSS_79.pdf .
· Bower, G. (1967). Eine Mehrkomponententheorie der Gedächtnisspur. In KW Spence & JT Spence (Hrsg.), Die Psychologie des Lernens und der Motivation: I . Oxford, England: Akademische Presse.
· Carpenter, GA, & Grossberg, S. (1987). ART 2: Selbstorganisation von stabilen Kategorieerkennungscodes für analoge Eingabemuster. Angewandte Optik, 26 (23), 4919–4930. Abgerufen vonhttp://www.opticsinfobase.org/ao/fulltext.cfm?uri=ao-26-23-4919&id=30891 .
· Carpenter, GA, & Grossberg, S. (1987). Eine massiv parallele Architektur für eine selbstorganisierende neuronale Mustererkennungsmaschine. Computer Vision, Grafik und Bildverarbeitung, 37 (1), 54–115. Abgerufen von http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.70.9588&rep=rep1&type=pdf .
· Fukushima, Y., Tsukada, M., Tsuda, I., Yamaguti, Y., & Kuroda, S. (2009). Kodierungsmechanismen in hippocampalen Netzwerken für Lernen und Gedächtnis. In Advances in Neuro-Information Processing (S. 72–79). Springer: Berlin-Heidelberg.
·Hicklin, WJ (1976). Ein Modell für das Beherrschungslernen basierend auf der Theorie des dynamischen Gleichgewichts. Zeitschrift für Mathematische Psychologie, 13 (1), 79–88.
· Hochreiter, S., & Schmidhuber, J. (1997). Langes Kurzzeitgedächtnis. Neuronale Berechnung, 9 (8), 1735–1780. Abgerufen von http://web.eecs.utk.edu/~itamar/courses/ECE-692/Bobby_paper1.pdf .
· Hopfield, JJ (1982). Neuronale Netze und physikalische Systeme mit entstehenden kollektiven Rechenfähigkeiten. Proceedings of the National Academy of Sciences, 79 (8), 2554–2558. Abgerufen von http://www.ncbi.nlm.nih.gov/pmc/articles/PMC346238/pdf/pnas00447-0135.pdf .
·Hopfield, JJ (1984). Neuronen mit abgestufter Reaktion haben kollektive Recheneigenschaften wie die von Neuronen mit zwei Zuständen. Proceedings of the National Academy of Sciences, 81 (10), 3088–3092. Abgerufen von http://www.ncbi.nlm.nih.gov/pmc/articles/PMC345226/pdf/pnas00611-0151.pdf .
· Hopfield, JJ (2008). Suchen nach Erinnerungen, Sudoku, implizite Prüfbits und die iterative Verwendung nicht immer korrekter schneller neuronaler Berechnungen. Neuronale Berechnung, 20 (5), 1119–1164. Abgerufen von http://arxiv.org/ftp/q-bio/papers/0609/0609006.pdf .
· Mandler, G. (1967). Organisation und Gedächtnis. In KW Spence & JT Spence (Hrsg.), Die Psychologie des Lernens und der Motivation: I. Oxford, England: Akademische Presse.
· Min'ko, AA, & Petunin, YI (1981). Mathematische Modellierung des Kurzzeitgedächtnisses. Kybernetik, 17 (2), 287–298.
· Preece, PF, & Anderson, OR (1984). Mathematische Modellierung des Lernens. Journal of Research in Science Teaching, 21 (9), 953–955. Abgerufen von http://onlinelibrary.wiley.com/doi/10.1002/tea.3660210910/pdf .
· Raaijmakers, JGW (2008). Mathematische Modelle des menschlichen Gedächtnisses. In Lernen und Gedächtnis: Eine umfassende Referenz, Bd. 2: Kognitive Psychologie des Gedächtnisses (S. 445–466). Elsevier.
· Restle, F. (1971). Mathematische Modelle in der Psychologie. Harmondsworth: Pinguin.
· Rojas, R. (1996). Neutrale Netze: Eine systematische Einführung . Springer. Abgerufen von http://page.mi.fu-berlin.de/rojas/neural/neuron.pdf .
· Tsuda, I., Yamaguti, Y., Kuroda, S., Fukushima, Y., & Tsukada, M. (2008). Ein mathematisches Modell für den Hippocampus: Zum Verständnis des episodischen Gedächtnisses und der Vorstellungskraft. Progress of Theoretical Physics Supplement, 173 , 99–108.
· Yamaguti, Y., Kuroda, S., Fukushima, Y., Tsukada, M., & Tsuda, I. (2011). Ein mathematisches Modell für die Cantor-Codierung im Hippocampus. Neuronale Netze, 24 (1), 43–53.}

Wenn Sie einen physikalischen Hintergrund haben, interessiert Sie möglicherweise besonders Sparse Distributed Memory , ein Modell, das eine Reihe psychologisch plausibler Eigenschaften bietet und auch neurowissenschaftlich plausibel ist.

Das Modell und einige seiner Eigenschaften sind in diesem Dokument zusammengefasst .

Viele großartige Referenzen wurden von Nick Stauner bereitgestellt, aber dieses Modell ist meiner Ansicht nach eines der vielversprechendsten und umfassendsten in der Kognitionswissenschaft.

Mein Labor verwendet die semantische Zeigerarchitektur (bei der Vektoren als Zeiger zwischen verschiedenen Dimensionen verwendet werden, weitere Informationen finden Sie unter „How to Build a Brain“ von Chris Eliasmith), bei der es sich um eine vektorsymbolische Architektur handelt (bei der spärliche Vektoren Symbole darstellen), um die Arbeit zu modellieren Gedächtnis auf biologisch plausible Weise. Bisher wurde dies bei Spaun in seinem Modell des seriellen Auswendiglernens sowie bei verschiedenen anderen kognitiven Aufgaben wie der n-back-Aufgabe (bald veröffentlicht) verwendet.

Erinnerung ist ein großes Wort. Normalerweise versuchen Neurowissenschaftler und Psychologen, einen bestimmten kognitiven Prozess zu modellieren: zum Beispiel das Langzeitgedächtnis (die Fähigkeit, zwischen zuvor gelernten Gegenständen und neuen Gegenständen zu unterscheiden). Hier ist ein Link zu einem sehr guten Einführungstext in Computational Neuroscience (der einen Abschnitt über Gedächtnis und Lernen enthält): http://grey.colorado.edu/CompCogNeuro/index.php?title=CCNBook/Main

Hier ist ein Link zu einer Bibel neuronaler Netze: http://www.ru.lv/~peter/zinatne/ebooks/The%20MIT%20Press%20-%202003%20-%20The%20Handbook%20of%20Brain% 20Theory%20and%20Neural%20Networks%20-%202nd%20Edition%20-%20ISBN%200262011972%20-%201309s%20-%20TLFeBOOK.pdf