具特征分解的联想皮层模块化网络模型的记忆检索动力学与存储容量

灵长类异模态皮层在介观水平上呈现出明显的功能模块化，生理与解剖证据指向其作为长期记忆的可能基质。为研究其若干性质，我们考察了一个多模块自联想器模型。众多模块中的每一个代表一个由递归连接神经元组成的新皮层功能集合，并作为 Hebbian 自联想器运作，存储若干局部特征并能在提示下回忆。全局记忆模式由稀疏分布于各模块间的特征组合构成。模块间连接建模为有限连接随机图。任一模块对中的任意特征对允许参与多个记忆模式；粗粒化模块网络动力学的定义方式克服了随之而来的关联歧义。还评估了长程稳态突触缩放对网络性能的影响。提示检索的动态过程几乎饱和一个自然上界，同时产生可忽略的伪激活。有限尺寸效应对存储容量的影响被定量评估。在无限大极限下，存储容量与每模块特征数之间的函数关系化简为其他作者由平衡态统计力学方法所得者，表明该函数形式的起源具组合性质。与其在模块内层面上的表面必然性相反，长程突触缩放对检索与存储容量均属次要，令人生疑其在新皮层中的存在。我们还提出一个猜想：网络连接的统计涨落如何通过学习自发涌现语义层级。