Moneita muistimalleja on ehdotettu erityyppisten muistiprosessien selittämiseksi, mukaan lukien kutsuttu muistaminen, vapaa muistaminen ja sarjamuistaminen. Muistiprosessin selittämiseksi muistimallin on kuitenkin selvitettävä, miten koodattu muisti voi olla muistin varastossa pidemmän aikaa, kunnes muistiin päästään uudelleen käsiksi muistiprosessin aikana; kaikki mallit eivät kuitenkaan käytä lyhyt- ja pitkäkestoisen muistin terminologiaa muistin varastoinnin selittämiseen; kaksoisvarastoteoria ja muunnettu versio Atkinson-Shiffrinin muistimallista (Atkinson 1968) käyttävät sekä lyhyt- että pitkäkestoisen muistin varastointia, mutta muut eivät.
Hajautetun muistin monijälkimalli Muokkaa
Hajautetun muistin monijälkimalli esittää, että koodattavat muistot muunnetaan arvovektoreiksi, joissa jokainen vektorin skalaarinen suure edustaa koodattavan kohteen eri ominaisuutta. Tällainen käsitys esitettiin ensimmäisen kerran Hooken (1969) ja Semonin (1923) varhaisissa teorioissa. Yksittäinen muisti jaetaan useisiin attribuutteihin tai piirteisiin siten, että kukin attribuutti edustaa yhtä osaa koodattavasta muistista. Tällainen arvovektori lisätään sitten muistikenttään tai matriisiin, joka muodostuu muistin eri piirteistä tai vektoreista. Joka kerta, kun uusi muisti koodataan, tällainen muisti muunnetaan vektoriksi tai jäljeksi, joka koostuu skalaarisuhteista, jotka edustavat erilaisia attribuutteja, ja joka sitten lisätään jo olemassa olevaan ja jatkuvasti kasvavaan muistimatriisiin, joka koostuu useista jäljistä – tästä johtuu mallin nimi.
Kun tiettyä muistia vastaavat muistijäljet on tallennettu matriisiin, muistin hakemiseksi muistiprosessia varten on muistimatriisiin syötettävä tietty koe, jota käytettäisiin testivektorin ja muistimatriisiin tallennettujen vektoreiden välisen samankaltaisuuden laskemiseen. Koska muistimatriisi kasvaa jatkuvasti, kun siihen lisätään uusia jälkiä, olisi suoritettava rinnakkainen haku kaikkien muistimatriisissa olevien jälkien läpi samankaltaisuuden laskemiseksi, jonka tulosta voidaan käyttää joko assosiatiivisen tunnistamisen suorittamiseen tai todennäköisyyteen perustuvan valintasäännön avulla kutsutun muistamisen suorittamiseen.
Vaikkakin on väitetty, että ihmisen muisti näyttäisi kykenevän tallentamaan valtavan määrän informaatiota, siinä määrin, että jotkut olivat ajatelleet sitä äärettömäksi määräksi, kuulostaa epätodennäköiseltä, että ihmisen muistissa olisi tällainen jatkuvasti kasvava matriisi. Lisäksi malli viittaa siihen, että muistiprosessin suorittaminen edellyttää rinnakkaishakua jokaisen jatkuvasti kasvavan matriisin sisällä olevan yksittäisen jäljen välillä, mikä myös herättää epäilyksiä siitä, voidaanko tällaiset laskutoimitukset suorittaa lyhyessä ajassa. Tällaiset epäilyt on kuitenkin kyseenalaistettu Gallistelin ja Kingin löydöksillä, jotka esittävät todisteita aivojen valtavista laskentakyvyistä, jotka voivat tukea tällaista rinnakkaistukea.
NeuroverkkomallitKäsittele
Monijälkimallilla oli kaksi keskeistä rajoitusta: ensinnäkin käsitys jatkuvasti kasvavan matriisin läsnäolosta ihmisen muistissa kuulostaa epäuskottavalta; ja toiseksi laskennalliset samankaltaisuuden haut miljoonia jälkiä vastaan, joita muistimatriisissa olisi muistin samankaltaisuuden laskemiseksi, kuulostavat kaukana ihmisen muistinmuistamisprosessin rajojen ulkopuolella. Neuroverkkomalli on tässä tapauksessa ihanteellinen malli, koska se voittaa monijälkimallin asettamat rajoitukset ja säilyttää myös mallin hyödylliset ominaisuudet.
Neuroverkkomallissa oletetaan, että neuroverkon neuronit muodostavat monimutkaisen verkon toisten neuronien kanssa muodostaen erittäin hyvin toisiinsa kytkeytyneen verkon; kutakin neuronia karakterisoidaan aktivaatioarvolla, ja kahden neuronin välistä yhteyttä karakterisoidaan painoarvolla. Kunkin neuronin välistä vuorovaikutusta luonnehtii McCulloch-Pittsin dynaaminen sääntö, ja oppimisen tuloksena tapahtuvaa painon ja neuronien välisten yhteyksien muutosta kuvaa Hebbin oppimissääntö.
Anderson osoittaa, että Hebbin oppimissäännön ja McCulloch-Pittsin dynaamisen säännön yhdistelmä mahdollistaa sen, että verkko pystyy tuottamaan painomatriisin, joka pystyy tallentamaan assosiaatioita erilaisten muistinmallien välille – tällainen matriisi on muistinvarastointimuoto neuroverkkomallissa. Suurimmat erot monijälkihypoteesin matriisin ja neuroverkkomallin välillä ovat siinä, että kun monijälkihypoteesissa uusi muisti merkitsee olemassa olevan matriisin laajentamista, neuroverkkomallin painomatriisi ei laajene, vaan painon sanotaan päivittyvän, kun neuronien välille syntyy uusi assosiaatio.
Painomatriisin ja oppimisen/dynaamisen säännön avulla neuronit, jotka on koodattu yhdellä arvolla, voivat hakea eri arvon, joka on ideaalitilanteessa läheinen approksimaatio halutusta kohdemuistivektorista.
Koska Andersonin painomatriisi neuronien välillä hakee vain kohdeobjektin approksimaation, kun se on koodattu, etsittiin muunneltua versiota kyseisestä mallista, jotta se pystyisi palauttamaan mieleen täsmällisen kohdemuistiin liittyvän muistin, kun se on koodattu. Hopfield-verkko on tällä hetkellä yksinkertaisin ja suosituin assosiatiivisen muistin neuroverkkomalli; malli mahdollistaa selkeän kohdevektorin palauttamisen mieleen, kun sitä kutsutaan osalla tai vektorin ”meluisalla” versiolla.
Muistia tallentavan Hopfield-verkon painomatriisi muistuttaa läheisesti Andersonin ehdottamaa painomatriisia. Jälleen, kun uusi assosiaatio otetaan käyttöön, painomatriisin sanotaan ”päivittyvän” uuden muistin käyttöönottoa varten; se tallennetaan, kunnes matriisia kutsutaan eri vektorilla.
Dual-store memory search modelEdit
Ensimmäisenä kehittivät Atkinson ja Shiffrin (1968), ja muut, mukaan lukien Raajimakers ja Shiffrin, jalostivat sitä, ja dual-store memory search model, josta nykyään käytetään nimitystä SAM tai search of associative memory model, säilyy yhtenä vaikutusvaltaisimmista muistin laskennallisista malleista. Malli käyttää mekanismissaan sekä lyhytkestoista muistia, jota kutsutaan lyhytkestoiseksi varastoksi (STS), että pitkäkestoista muistia, jota kutsutaan pitkäkestoiseksi varastoksi (LTS) tai episodimatriisiksi.
Kun kohde koodataan ensimmäisen kerran, se viedään lyhytkestoiseen varastoon. Kun kohde pysyy lyhytaikaisessa varastossa, vektoriedustukset pitkäaikaisessa varastossa käyvät läpi erilaisia assosiaatioita. Lyhytkestoiseen varastoon tuodut kohteet käyvät läpi kolme erilaista assosiaatiota: (autoassosiaatio) itseassosiaatio pitkäaikaisvarastossa, (heteroassosiaatio) kohteiden välinen assosiaatio pitkäaikaisvarastossa ja (kontekstiassosiaatio ), jolla tarkoitetaan kohteen ja sen koodatun kontekstin välistä assosiaatiota. Kunkin lyhytaikaisessa varastossa olevan kohteen osalta mitä pidempään kohde on lyhytaikaisessa varastossa, sitä suurempi on sen assosiaatio itsensä, muiden lyhytaikaisessa varastossa olevien kohteiden ja sen koodatun kontekstin kanssa.
Lyhytaikaisen varaston koko määritellään parametrilla, r. Kun kohde tuodaan lyhytaikaisvarastoon ja jos lyhytaikaisvarastossa on jo maksimimäärä kohteita, kohde luultavasti putoaa pois lyhytaikaisvarastosta.
Kun kohteet ovat yhteisresidenssissä lyhytaikaisvarastossa, niiden assosiaatioita päivitetään jatkuvasti pitkäaikaisvarastomatriisiin. Kahden kohteen välisen assosiaation voimakkuus riippuu siitä, kuinka paljon aikaa nämä kaksi muistin kohdetta viettävät yhdessä lyhytkestoisessa varastossa, mikä tunnetaan nimellä kontiguiteettivaikutus. Kahdella vierekkäisellä kohteella on suurempi assosiatiivinen vahvuus, ja ne muistetaan usein yhdessä pitkäaikaisvarastosta.
Lisäksi primacy-ilmiö, joka on muistin palautusparadigmassa havaittu vaikutus, paljastaa, että listan muutamilla ensimmäisillä kohteilla on suurempi mahdollisuus tulla muistetuksi kuin muilla STS:ssä olevilla kohteilla, kun taas vanhemmilla kohteilla on suuremmat mahdollisuudet pudota STS:stä. Kohde, joka onnistui pysymään STS:ssä pidemmän aikaa, olisi muodostanut vahvemman autoassosiaatio-, heteroassosiaatio- ja kontekstiassosiaatioyhteyden kuin muut, mikä viime kädessä johtaa suurempaan assosiatiiviseen voimakkuuteen ja suurempaan mahdollisuuteen tulla palautetuksi mieleen.
Muistitiedon palauttamiskokeiluissa esiintyvä recency-ilmiö on sitä, että listan muutamat viimeiset kohteet palautuvat mieleen poikkeuksellisen hyvin muiden kohteiden yläpuolella, ja se selittyy lyhytaikaisella varastoinnilla. Kun tietyn muistilistan tutkiminen on päättynyt, lyhytaikaisvarastossa sijaitsee lopulta todennäköisesti ne muutamat viimeiset kohdat, jotka esiteltiin viimeisenä. Koska lyhytkestoiseen varastoon pääsee helposti käsiksi, tällaiset kohteet muistetaan ennen mitä tahansa pitkäaikaiseen varastoon tallennettua kohdetta. Tämä mieleen palauttamisen saavutettavuus selittää myös recency-efektin hauraan luonteen eli sen, että yksinkertaisimmat häiriötekijät voivat saada henkilön unohtamaan listan viimeiset kohdat, koska viimeiset kohdat eivät olisi ehtineet muodostaa mitään mielekästä assosiaatiota pitkäaikaisvarastossa. Jos tieto putoaa lyhytaikaisesta varastosta distraktoreiden avulla, viimeisten kohtien muistamisen todennäköisyyden odotetaan olevan alhaisempi kuin jopa listan keskellä olevien, ennen recenssia olevien kohtien.
Kaksoisvarastoinen SAM-malli hyödyntää myös muistin varastointia, joka itsessään voidaan luokitella eräänlaiseksi pitkäaikaisvarastoksi: semanttiseksi matriisiksi. Pitkäkestoinen varasto SAM:ssa edustaa episodista muistia, joka käsittelee vain uusia assosiaatioita, jotka ovat muodostuneet kokeellisen luettelon tutkimisen aikana; luettelon kohteiden väliset jo olemassa olevat assosiaatiot on siis esitettävä eri matriisissa, semanttisessa matriisissa. Semanttinen matriisi jää toiseksi tietolähteeksi, jota episodiset assosiaatiot, jotka muodostuvat kokeen aikana, eivät muuta.
SAM-mallissa käytetään siis kahta muistin varastointityyppiä, lyhyt- ja pitkäkestoisia varastoja. Muistamisprosessissa lyhytaikaisessa muistivarastossa olevat kohteet muistetaan ensimmäisenä, minkä jälkeen tulevat pitkäaikaisessa muistivarastossa olevat kohteet, joiden muistamisen todennäköisyys on verrannollinen pitkäaikaisessa muistivarastossa olevan assosiaation voimakkuuteen. Toista muistivarastoa, semanttista matriisia, käytetään selittämään muistin palauttamiseen liittyvää semanttista vaikutusta.