Der er blevet foreslået flere hukommelsesmodeller for at redegøre for forskellige typer af tilbagekaldelsesprocesser, herunder kedsaget tilbagekaldelse, fri tilbagekaldelse og seriel tilbagekaldelse. For at forklare tilbagekaldelsesprocessen skal hukommelsesmodellen imidlertid identificere, hvordan en kodet hukommelse kan opholde sig i hukommelseslageret i en længere periode, indtil hukommelsen tilgås igen, under tilbagekaldelsesprocessen; men ikke alle modeller bruger terminologien korttids- og langtidshukommelse til at forklare hukommelseslagring; dual-store-teorien og en modificeret version af Atkinson-Shiffrin-modellen for hukommelse (Atkinson 1968) bruger både korttids- og langtidshukommelseslagring, men andre gør det ikke.
Multi-trace distribueret hukommelsesmodelRediger
Den distribuerede hukommelsesmodel med flere spor foreslår, at de erindringer, der indkodes, konverteres til vektorer af værdier, hvor hver skalar mængde af en vektor repræsenterer en anden egenskab af det element, der skal indkodes. Et sådant begreb blev først foreslået af tidlige teorier af Hooke (1969) og Semon (1923). En enkelt erindring er fordelt på flere attributter eller funktioner, således at hver attribut repræsenterer et aspekt af den erindring, der skal indkodes. En sådan vektor af værdier tilføjes derefter i hukommelsesmatrixen eller en matrix, der består af forskellige spor eller vektorer af hukommelsen. Hver gang der indkodes en ny hukommelse, konverteres denne hukommelse derfor til en vektor eller et spor, der består af skalariske størrelser, som repræsenterer forskellige attributter, og som derefter føjes til en allerede eksisterende og stadigt voksende hukommelsesmatrix, der består af flere spor – deraf modellens navn.
Når hukommelsesspor, der svarer til en specifik hukommelse, er lagret i matricen, skal man for at hente hukommelsen frem med henblik på tilbagekaldelsesprocessen give hukommelsesmatrixen et stikord med en specifik probe, som vil blive brugt til at beregne ligheden mellem testvektoren og de vektorer, der er lagret i hukommelsesmatrixen. Da hukommelsesmatrixen konstant vokser med nye spor, der tilføjes, ville man være nødt til at foretage en parallel søgning gennem alle de spor, der er til stede i hukommelsesmatrixen, for at beregne ligheden, hvis resultat kan bruges til at udføre enten associativ genkendelse eller med probabilistisk valgregel, bruges til at udføre en cued recall.
Mens det er blevet hævdet, at den menneskelige hukommelse synes at være i stand til at lagre en stor mængde information, i et omfang, at nogle havde troet en uendelig mængde, lyder tilstedeværelsen af en sådan evigt voksende matrix i den menneskelige hukommelse usandsynlig. Desuden antyder modellen, at der for at udføre tilbagekaldelsesprocessen er behov for parallelsøgning mellem hvert enkelt spor, der befinder sig i den stadigt voksende matrix, hvilket også rejser tvivl om, hvorvidt sådanne beregninger kan udføres på kort tid. Denne tvivl er imidlertid blevet udfordret af Gallistel og Kings resultater, som fremlægger beviser for hjernens enorme beregningsevner, der kan være til støtte for en sådan parallel støtte.
Neurale netværksmodellerRediger
Multisporsmodellen havde to vigtige begrænsninger: For det første lyder begrebet om tilstedeværelsen af en stadig voksende matrix i den menneskelige hukommelse usandsynligt, og for det andet lyder beregningsmæssige søgninger efter lighed i forhold til millioner af spor, der ville være til stede i hukommelsesmatrixen for at beregne ligheden langt ud over omfanget af den menneskelige erindringsproces. Den neurale netværksmodel er den ideelle model i dette tilfælde, da den overvinder de begrænsninger, som multisporsmodellen medfører, og samtidig bevarer modellens nyttige egenskaber.
Den neurale netværksmodel forudsætter, at neuroner i et neuralt netværk danner et komplekst netværk med andre neuroner, der danner et stærkt sammenkoblet netværk; hver neuron er karakteriseret ved aktiveringsværdien, og forbindelsen mellem to neuroner er karakteriseret ved vægtværdien. Interaktionen mellem de enkelte neuroner er karakteriseret ved McCulloch-Pitts dynamiske regel, og ændringen af vægten og forbindelserne mellem neuroner som følge af indlæring er repræsenteret ved Hebbian learning rule.
Anderson viser, at kombinationen af Hebbian learning rule og McCulloch-Pitts dynamiske regel gør det muligt for netværket at generere en vægtmatrix, der kan lagre associationer mellem forskellige hukommelsesmønstre – en sådan matrix er formen for hukommelseslagring for den neurale netværksmodel. De væsentligste forskelle mellem matrixen for hypotesen om flere spor og modellen for det neurale netværk er, at mens ny hukommelse indikerer en udvidelse af den eksisterende matrix for hypotesen om flere spor, udvides vægtmatrixen for modellen for det neurale netværk ikke; vægten siges snarere at blive opdateret ved indførelse af en ny forbindelse mellem neuroner.
Ved hjælp af vægtmatrixen og den lærende/dynamiske regel kan neuroner, der får et cued med en værdi, hente den anden værdi, der ideelt set er en tæt tilnærmelse af den ønskede målhukommelsesvektor.
Da Andersons vægtmatrix mellem neuroner kun vil hente tilnærmelsen af målemnet, når de får et cued, blev der søgt efter en modificeret version af modellen for at kunne genkalde det nøjagtige målhukommelse, når de får et cued. Hopfield Net er i øjeblikket den enkleste og mest populære neurale netværksmodel for associativ hukommelse; modellen gør det muligt at genkalde en klar målvektor, når der gives et cued med den del eller den “støjende” version af vektoren.
Vægtmatrixen i Hopfield Net, der lagrer hukommelsen, ligner meget den, der anvendes i vægtmatrixen foreslået af Anderson. Igen, når der indføres en ny association, siges vægtmatrixen at blive “opdateret” for at tage højde for indførelsen af den nye hukommelse; den lagres, indtil matrixen bliver cued af en anden vektor.
Dual-store memory search modelEdit
Først udviklet af Atkinson og Shiffrin (1968) og forfinet af andre, herunder Raajimakers og Shiffrin, forbliver dual-store memory search model, nu omtalt som SAM eller search of associative memory model, som en af de mest indflydelsesrige beregningsmodeller for hukommelse. Modellen anvender både korttidshukommelse, kaldet short-term store (STS), og langtidshukommelse, kaldet long-term store (LTS) eller episodisk matrix, i sin mekanisme.
Når et element først indkodes, indføres det i short-term store. Mens genstanden forbliver i korttidslageret, gennemgår vektorrepræsentationer i langtidslageret en række forskellige associationer. Elementer, der introduceres i korttidslageret, gennemgår tre forskellige typer af associationer: (autoassociation) selvassociation i langtidslageret, (heteroassociation) interelementassociation i langtidslageret og (kontekstassociation ), som henviser til associationen mellem elementet og dets kodede kontekst. For hvert element i korttidsoplaget gælder det, at jo længere tid et element opholder sig i korttidsoplaget, jo større vil dets association med sig selv være med andre elementer, der samopholder sig i korttidsoplaget, og med dets kodede kontekst.
Størrelsen af korttidsoplaget er defineret ved en parameter, r. Når et emne indføres i det kortsigtede lager, og hvis det kortsigtede lager allerede er blevet optaget af et maksimalt antal emner, vil emnet sandsynligvis falde ud af det kortsigtede lager.
Som emner har fælles ophold i det kortsigtede lager, bliver deres associationer konstant opdateret i matrixen for det langsigtede lager. Styrken af associeringen mellem to elementer afhænger af den tid, som de to hukommelseselementer tilbringer sammen i korttidslageret, kendt som kontiguitetseffekten. To elementer, der er sammenhængende, har større associativ styrke og genkaldes ofte sammen fra langtidslageret.
Dertil kommer, at primacy-effekten, en effekt, der ses i hukommelsesgenkaldelsesparadigmet, afslører, at de første få elementer i en liste har større chance for at blive genkaldt frem for andre i STS, mens ældre elementer har større chance for at falde ud af STS. Det emne, der formåede at forblive i STS i længere tid, ville have dannet en stærkere autoassociation, heteroassociation og kontekstassociation end andre, hvilket i sidste ende fører til en større associativ styrke og en større chance for at blive genkaldt.
Rekommunikationseffekten i genkaldelseseksperimenter er, når de sidste få emner i en liste genkaldes ekstraordinært godt frem for andre emner, og kan forklares ved korttidslageret. Når studiet af en given huskeliste er afsluttet, er det, der i sidste ende befinder sig i det kortvarige lager, sandsynligvis de sidste få elementer, der blev introduceret sidst. Fordi korttidslageret er let tilgængeligt, vil sådanne elementer blive genkaldt før ethvert element, der er gemt i langtidslageret. Denne tilgængelighed forklarer også den skrøbelige karakter af recency-effekten, som er, at de enkleste distraktorer kan få en person til at glemme de sidste par punkter på listen, da de sidste punkter ikke har haft tid nok til at danne en meningsfuld forbindelse i langtidslageret. Hvis informationerne falder ud af det kortvarige lager ved hjælp af distraktorer, vil sandsynligheden for, at de sidste punkter bliver husket, forventes at være lavere end selv de før-recency-punkter i midten af listen.
Den dobbeltlagrede SAM-model anvender også hukommelseslagring, som i sig selv kan klassificeres som en type langtidsopbevaring: den semantiske matrix. Langtidslageret i SAM repræsenterer den episodiske hukommelse, som kun beskæftiger sig med nye associationer, der blev dannet under studiet af en eksperimentel liste; allerede eksisterende associationer mellem elementer i listen skal altså repræsenteres på en anden matrix, den semantiske matrix. Den semantiske matrix forbliver som en anden informationskilde, der ikke ændres af de episodiske associationer, der dannes under prøven.
Så anvendes de to typer hukommelseslagring, kort- og langtidslagre, i SAM-modellen. I tilbagekaldelsesprocessen vil elementer, der befinder sig i korttidshukommelseslageret, blive tilbagekaldt først, efterfulgt af elementer, der befinder sig i langtidslageret, hvor sandsynligheden for at blive tilbagekaldt er proportional med styrken af den association, der er til stede i langtidslageret. Et andet hukommelseslager, den semantiske matrix, anvendes til at forklare den semantiske effekt i forbindelse med hukommelsesindkaldelse.