面向在线记忆绑定任务的工作记忆：一种混合模型

工作记忆是在线保持和操作信息的脑模块。在本工作中，我们设计了一种混合模型，其中一个简单前馈网络通过一个称为接口向量的读写向量耦合到一个平衡随机网络。讨论了三种情形及其结果，类似于 n-back 任务，称为一阶记忆绑定任务、广义一阶记忆任务和二阶记忆绑定任务。重要结果是，我们的双组件工作记忆模型在仅限前馈组件学习的情况下表现出良好性能。此处我们利用随机网络特性而无需学习。最后，引入一种更复杂的记忆绑定任务，称为基于线索的记忆绑定任务，其中给定线索作为输入，表示绑定关系，提示网络选择有用的记忆块。据我们所知，这是首次展示随机网络作为一种灵活记忆在在线绑定任务中起重要作用。我们可将结果解释为一种工作记忆的候选模型，其中前馈网络学会与作为注意控制执行系统的临时存储随机网络交互。