递进吸引器神经网络模型：寿命召回曲线的建模

人类寿命召回曲线描述了从每个年龄段所召回记忆的比例。它表现出一种回忆迹象——即年老者更容易回忆起年轻成年时期的记忆，而非其他时期的记忆。我们使用带递进学习的吸引器贝叶斯置信度传播神经网络（BCPNN）对此进行建模。我们系统研究了回忆迹象背后突触机制，并考察了引入突触学习率指数衰减后的网络模型对网络规模及其他相关建模机制的敏感性。最具影响力的参数为出生时的突触学习率以及其随年龄指数衰减的时间常数，这些参数决定了回忆迹象在寿命召回曲线中的位置。其他参数主要影响该曲线的整体幅度。此外，我们引入了近时现象的参数化——即人们倾向于更好地记住最近的记忆，这在曲线后期的上升尾部中得以体现。通过向指数衰减的突触学习率添加常数基线组件，实现了这种近时记忆效应。