Memory for serial order 21
occurrences of a repeated item are presented within close proximity|adjacent or
separated by a single position. Under these conditions, recall of both occurrences of a
repeated item is often enhanced relative to items in corresponding positions in the control
condition|a phenomenon known as repetition facilitation (Crowder, 1968). The
Ranschburg eect has not yet been investigated using visual or spatial memoranda.
8. Hebb repetition eect
Hebb (1961) introduced a procedure for simultaneously studying short-term serial
recall and sequence learning within the same experiment. The procedure involves a
multi-trial serial recall task in which, unbeknownst to the participant, the same sequence
is repeated every few trials. The typical nding is that recall of the repeated sequence, but
not the novel ller sequences, improves gradually over successive presentations, a result
dubbed the Hebb repetition eect. Since Hebb employed sequences of familiar items
(digits) it follows that what participants learned was the order of the items in the
sequence. The Hebb repetition eect is therefore considered to be a vehicle for
investigating the mechanisms underlying the long-term learning of serial order.
The Hebb repetition eect has been documented in numerous studies of verbal
short-term memory (e.g., Bower & Winzenz, 1969; Couture, Lafond, & Tremblay, 2008;
Cumming, Page, & Norris, 2003; Hitch, Fastame, & Flude, 2005; Hitch, Flude, & Burgess,
2009; Page, Cumming, Norris, Hitch, & McNeil, 2006). One key result is that the integrity
of the start of the repeated sequence is an important determinant of whether a Hebb
repetition eect is observed. Schwartz and Bryden (1971) found that the eect
disappeared if the rst two items in the repeated sequence were changed on each
presentation, whereas the eect was still obtained when the last two items in the sequence
changed. Also important to the demonstration of a Hebb repetition eect is the integrity
of the temporal structure of the repeated sequence. It has been shown that when the
Convert pdf back to powerpoint - Library software component:C# Create PDF from PowerPoint Library to convert pptx, ppt to PDF in C#.net, ASP.NET MVC, WinForms, WPF
Online C# Tutorial for Creating PDF from Microsoft PowerPoint Presentation
www.rasteredge.com
Convert pdf back to powerpoint - Library software component:VB.NET Create PDF from PowerPoint Library to convert pptx, ppt to PDF in vb.net, ASP.NET MVC, WinForms, WPF
VB.NET Tutorial for Export PDF file from Microsoft Office PowerPoint
www.rasteredge.com
Memory for serial order 22
repeated sequence is temporally grouped, but the grouping pattern changes on each
presentation, the Hebb repetition eect is either removed completely or greatly reduced,
whereas the usual eect is obtained if the grouping pattern remains constant (Bower &
Winzenz, 1969; Hitch et al., 2009). In contrast to the above results, Hitch and colleagues
(Hitch et al., 2009) have shown that the Hebb repetition eect is insensitive to the
phonological similarity of items. In their study, the rate of learning of a repeated sequence
of phonologically similar items was found not to dier from a repeated sequence of
phonologically dissimilar items, even though similarity had its usual large detrimental
eect on immediate recall.
The Hebb repetition eect is not restricted to the use of verbal memoranda:
Recently, a Hebb repetition eect has been shown using sequences of visual-spatial
(Couture & Tremblay, 2006) and auditory-spatial (Parmentier, Maybery, Huitson, &
Jones, 2008) locations, as well as visual sequences of unfamiliar faces (Horton, Hay, &
Smyth, 2009) or pictorial stimuli (Page et al., 2006). However, studies of the Hebb
repetition eect in the visual and spatial domains have not yet examined the impact of
partial repetition, changes in temporal grouping, and item similarity on repetition
learning.
Summary
In summary, we have brie y described eight core phenomena relating to short-term
memory for serial order information, noting a number of points of similarity across the
verbal, visual, and spatial domains. However, although each phenomenon is well
established in the verbal domain, evidence in the other two domains is much less
complete, often because the relevant studies have yet to be carried out.
Library software component:How to C#: Set Image Thumbnail in C#.NET
PDF, C#.NET convert PDF to svg, C#.NET convert PDF to text, C#.NET convert PDF to images VB.NET How-to, VB.NET PDF, VB.NET Word, VB.NET Excel, VB.NET Back Color.
www.rasteredge.com
Library software component:VB.NET Word: Word Conversion SDK for Changing Word Document into
completed. To convert PDF back to Word document in VB.NET, please refer to this page: VB.NET Imaging - Convert PDF to Word Using VB.
www.rasteredge.com
Memory for serial order 23
Computational approaches to serial order
In this section, we describe computational approaches to modeling short-term
memory for serial order and evaluate their ability to account for the phenomena delineated
above, as well as some phenomena not yet mentioned. Although developed as accounts of
serial order in verbal short-term memory, the principles and assumptions underlying these
theories are extensible to the processing of visual and spatial material, amongst others. We
begin by describing a once popular approach to serial order that shaped initial theoretical
developments in this eld, namely associative chaining, and we argue that several of the
phenomena reviewed in the previous section militate against a role for chaining in the
verbal, visual, and spatial domains. Next, we describe the principles of serial order
underlying a new generation of computational theories that eschew the chaining notion
and we identify evidence for the operation of those principles in the three domains.
Associative chaining
Associative chaining is the oldest approach to serial order in short-term memory
(e.g., Ebbinghaus, 1964) and serial behavior more generally (e.g., Lashley, 1951). It is
mentioned for historic purposes, since the dominant view at present is that chaining is
inadequate as a solution to the problem of serial order in short-term memory (e.g., Brown
et al., 2000; Burgess & Hitch, 1999; Henson, 1998a; Page & Norris, 1998). The basic
premise behind chaining is that serial order is encoded by forming associations between
items. Ordered recall is accomplished by traversing these associations which act as the
retrieval cues for sequence production. This constitutes a serial representation of order,
because the information necessary for producing a sequence is not simultaneously
accessible, rather it emerges dynamically as recall unfolds.
The mechanism of associative chaining appears in various theories of memory (e.g.,
Ebbinghaus, 1964; Jones et al., 1996; Kieras, Meyer, Mueller, & Seymour, 1999;
Library software component:C# PDF Page Rotate Library: rotate PDF page permanently in C#.net
control, RasterEdge XDoc.PDF, is a 100% clean .NET solution for C# developers to permanently rotate PDF document page and save rotated PDF document back or as
www.rasteredge.com
Library software component:C# Image: Tutorial for Collaborating, Marking & Annotating
Besides, more annotations can be drawn and saved back to the database We are dedicated to provide powerful & profession imaging controls, PDF document, image to
www.rasteredge.com
Memory for serial order 24
Lewandowsky & Murdock, 1989; Murdock, 1993, 1995; Wickelgren, 1965b). However, the
most successful application of the chaining approach to short-term serial recall is the
Theory of Distributed Associative Memory (TODAM) model (Lewandowsky & Murdock,
1989). TODAM is a formal model of verbal short-term memory in which items are
represented as vectors of random elements and order information is represented by
merging the vectors of pairs of contiguous items. In TODAM, the item vectors are taken
to represent verbal items, such as letters, however they could equally be taken to represent
visuospatial items, such as visual patterns or spatial locations. Sequence information is
encoded by adding the item and associative vector representations one by one to a
common memory vector. Serial recall is initiated by probing the memory vector with a
start marker that is linked to the initial item. The rst item recalled is then used to cue
the second item, which is used to cue the third item, and so on and so forth.
One major objection to simple chaining models of this kind, in which order is
encoded solely by contiguous associations between items, is that if recall should fail
mid-sequence then the chain is broken and recall must necessarily cease. However,
TODAM manages to circumvent this shortcoming using the following recall procedure.
Due to its use of distributed representations, the output of TODAM in response to a
recall cue is not an exact copy of an item, but rather a blurry approximation. To recover
the item representation, the noisy output vector must rst be deblurred by determining
which of a pool of experimental vocabulary items it approximates best. If this process is
successful then the deblurred item is retrieved and used to cue the next response.
However, if this process fails then the associative chain is not necessarily broken, because
the blurry output vector can still be used as a retrieval cue, often successfully retrieving
the correct next item.
Lewandowsky and Murdock (1989) show that TODAM can reproduce eects of
primacy and recency of the forward serial position curve. The recency eect is a
Library software component:C# TIFF: Merge and Split TIFF File(s) with C# Programming
C#.NET Demo Code for Merging & Splitting TIFF File(s). // split TIFF document into 2 parts and save them back to disk TIFFDocument.SplitDocument(sourceFilePath
www.rasteredge.com
Library software component:RasterEdge Product Refund Policy
the first step for you is to sign and send back RasterEdge Software We are dedicated to provide powerful & profession imaging controls, PDF document, image to
www.rasteredge.com
Memory for serial order 25
consequence of retroactive interference during the encoding of item and associative
information, as well as the removal of each item from the competitor set once recalled
which reduces the number of competitors towards the end of the sequence. In contrast,
the primacy eect is attributable to an ad hoc assumption introduced specically to
accommodate this eect: The weighting of the encoding strength of each successive
association decreases exponentially rendering errors more probable towards the end than
near the beginning of the sequence.
One major shortcoming of TODAM is that it has diculties explaining
transpositions. Specically, the model cannot produce positional exchange errors whereby
two items swap positions with one another, nor can it accommodate the locality constraint
underlying movement errors more generally. Murdock (1995) has presented a complex
chaining instantiation of TODAM that incorporates remote (non-adjacent) as well as
contiguous associations, the strengths of which decrease as a function of the distance
between items (cf. Ebbinghaus, 1964). According to Murdock (1995), this version of
TODAM qualitatively meets these shortcomings.
Nevertheless, some of the core phenomena described in the previous section are
problematic for TODAM and associative chaining accounts more generally. First, chaining
accounts have diculties explaining the pattern of ndings associated with the recall of
sequences containing repeated items. For example, given the sequence A B A C, chaining
accounts predict that recall of B and C will be compromised, because they share the same
retrieval cue. However, the Ranschburg eect shows that it is the recall of the second
occurrence of the repeat that is impaired, not the items following the repeats. Second, a
related problem occurs when participants are given sequences containing alternating
phonologically similar and dissimilar items, such as the sequence B K P R. Chaining
accounts predict that recall of the dissimilar items K and R should be impaired, because
they possess similar (confusable) retrieval cues. However, as we have seen, this prediction
Library software component:C# PDF: Start to Create, Load and Save PDF Document
can use PDFDocument object to do bulk operations like load, save, convert images/document to page in the document), you can save it back to a PDF file or
www.rasteredge.com
Library software component:C# Imaging - Linear ITF-14 Barcode Generator
Y to control barcode image area on PDF, TIFF, Word 14 barcode image fore and back colors in BarcodeHeight = 200; barcode.AutoResize = true; //convert barcode to
www.rasteredge.com
Memory for serial order 26
is contrary to the data (Baddeley, 1968; Henson et al., 1996) which shows that dissimilar
items on mixed sequences are recalled as eectively as items in corresponding positions on
pure dissimilar sequences, if not more so (see e.g., Farrell, 2006; Farrell & Lewandowsky,
2003; Lewandowsky & Farrell, 2008b). Third, chaining accounts predict more inll than
ll-in errors, because an item recalled too soon will subsequently cue the item that
followed it in the input sequence more strongly than any other by virtue of its direct
associative link with that item. This prediction is antithetic to the data (Farrell et al.,
2013; Henson et al., 1996; Page & Norris, 1998; Surprenant et al., 2005). Finally, a study
by Hitch et al. (2005) casts doubt on the viability of a chaining account of the Hebb
repetition eect. In their study, participants were presented with sequences of variable
length that contained a repeated fragment whose positioning varied from one sequence to
the next. This meant that the associations between items and positions (item-position
associations) in the repeated fragment changed over trials, whereas the associations
between the items themselves (item-item associations) were preserved. Accordingly,
chaining models predict that despite the changes in the serial positions of the items,
sequence learning should still take place. However, Hitch and colleagues failed to observe
any such learning, suggesting that the Hebb repetition eect is not driven by the
reinforcement of item-item associations.
These shortcomings are endemic to all associative chaining accounts of serial order
in short-term memory including a recent theoretical attempt to revive the chaining notion
by Solway et al. (2012). To date, no chaining model has been developed that can account
for these phenomena. In light of this claim, the serial recall model of Botvinick and Plaut
(2006) merits brief comment. These authors show that an Elman (1990) recurrent neural
network, once trained to perform serial recall, is able to meet the abovementioned
shortcomings of chaining models. This accomplishment is noteworthy, because neural
network models of this kind have previously been disregarded as candidate models of
Library software component:How to C#: Create a Winforms Control
pages, VB.NET comment annotate PDF, VB.NET delete PDF pages, VB.NET convert PDF to SVG. VB.NET How-to, VB.NET PDF, VB.NET Word, VB.NET Excel, VB.NET Back Color.
www.rasteredge.com
Library software component:VB.NET Image: VB.NET Codes to Add Antique Effect to Image with .
a touch of history to the image which can help bring back the sweet We are dedicated to provide powerful & profession imaging controls, PDF document, image to
www.rasteredge.com
Memory for serial order 27
serial recall on account that they operate through chaining (Brown et al., 2000; Burgess &
Hitch, 1999; Henson, 1998a). This is because the output of such networks is determined
by a cue that is a compound of their past contextual states. That the Botvinick and Plaut
(2006) model can explain these results is a consequence of its extensive training regime
during which it essentially learns not to use chaining, and instead develops some form of
positional representations which are similar to those employed in models that we describe
in the next section. Precisely what these representations are and how they emerge is not
yet clear. In our view, however, the explanatory success of the Botvinick and Plaut model
is not attributable to a chaining-based representation of serial order.
The empirical ndings reviewed above are forceful in ruling out a role for associative
chaining in the representation of serial order in verbal short-term memory. In visual and
spatial short-term memory, no studies have yet examined the recall of visual and spatial
sequences containing repeated items nor sequences in which visually similar and dissimilar
items are intermixed. Similarly, the possible role of item-item associations during the
learning of visual and spatial sequences in the Hebb repetition paradigm has yet to be
investigated. However, Guerard and Tremblay (2008) have shown that ll-in errors are
more likely than inll errors in the recall of sequences of visual-spatial locations, a result
that appears to cast doubt on the viability of a chaining account of serial order in spatial
short-term memory. Moreover, it seems unlikely, given the functional similarities between
verbal, visual, and spatial short-term memory for serial order, combined with the lack of
evidence for chaining in the verbal domain, that chaining would operate in the visual and
spatial domains. Indeed, as we will see shortly, there exist alternative principles of serial
order that provide a more powerful and parsimonious account of phenomena of memory
for serial order witnessed in the verbal and nonverbal domains.
Before closing, objections to chaining as a general approach to serial order brie y
merit comment. In his seminal article, Lashley (1951) integrated evidence from a variety
Memory for serial order 28
of domains to highlight the inadequacies of chaining. He noted that the ease with which
phonemes can be combined to form new words, and words to form new sentences, is too
exible for chaining. The preponderance of anticipation errors in speech and typing, he
argued, suggest that ‘prior to the overt enunciation of the sentence, an aggregate of word
units is partially activated or readied’ (p.19), signifying that sequence information is
activated in parallel, not serially as posited by chaining theories. The need for a parallel
representation of serial order is evident in skilled behavior where many actions such as the
nger strokes of a musician, Lashley noted, are performed too quickly for feedback from
each response to serve as the cue for the next. Lashley concluded that serial behavior
cannot be explained by a single mechanism based upon associative chaining, proposing
instead a two-stage mechanism wherein the rst stage all acts to be performed are
simultaneously activated, whilst in the second stage a scanning mechanism selects their
serial order. As we shall see in the next section, many recent computational theories of
verbal short-term memory use a mechanism known as competitive queuing which provides
acomputational instantiation of the parallel response activation and sequential selection
process envisaged by Lashley.
Principles of serial order in contemporary theories
Following the demise of chaining theory, a new generation of computational theories
of verbal short-term memory for serial order has emerged in recent years. The wealth and
complexity of contemporary theories means that a thorough treatment of each is not
possible. Moreover, a focus on the detailed properties of specic models can obscure
important commonalities between them. Fortunately, there is some convergence amongst
theories and several principles of serial order have now been identied which are commonly
employed. Accordingly, we classify theories according to the core principles on which they
rely to produce their behavior (for a similar approach, see Lewandowsky & Farrell, 2008a).
Memory for serial order 29
Alist of recent models of short-term memory, the principles of serial order they
instantiate, and the supplemental assumptions to which they appeal is shown in Table 2.
As can be seen from inspection of this table, current theories of short-term memory
generate serial order using one or more of the following principles: (a) a competitive
queuing sequence planning and control mechanism, (b) position marking, (c) a primacy
gradient of activation levels, (d) response suppression, (e) cumulative matching. Some
theories additionally accord a role for: (f) output interference during recall, and postulate
that (g) the eects of item similarity are localized solely at retrieval or that item similarity
additionally exerts an eect during serial order encoding. Below, we describe the dierent
principles and assumptions of these theories, before evaluating supporting evidence for
their role in verbal, visual, and spatial short-term memory.
Competitive Queuing
Most contemporary models of verbal short-term memory generate serial order using
aresponse selection mechanism pioneered by Grossberg (1978a, 1978b) and subsequently
dubbed by Houghton (1990) as competitive queuing (CQ). The popularity of this
mechanism is underscored by the fact that it is instantiated in ten of the fourteen models
listed in Table 2. This mechanism, which is buttressed by recent neurophysiological
evidence from monkeys (Averbeck, Chafee, Crowe, & Georgopoulos, 2002)|described
later in this article|is closely related to Lashley’s (1951) general theory of serial behavior.
Although popularized in models of verbal short-term memory, it has found application in
computational theories of serial order generation spanning a variety of serial performance
domains (see Glasspool, 2005 for a review).
Aschematic of a generic CQ mechanism (e.g., Bullock, 2004; Bullock & Rhodes,
2003; Rhodes & Bullock, 2002) envisaged as a neural network model is illustrated in
Figure 5. The model comprises two layers of localist item nodes: A parallel planning layer
Memory for serial order 30
and a competitive choice layer. The nodes in the parallel planning layer represent the pool
of items from which sequences are generated. In theories of verbal short-term memory,
these nodes correspond to verbal tokens such as phonemes or words, however they could
equally represent visuospatial tokens such as spatial locations or visual patterns. Recalling
asequence is a two-stage process: In the rst stage, an ordering mechanism activates in
parallel a sub-set of the nodes in the parallel planning layer, with the relative strength of
node activations coding the relative priority of items. This constitutes a parallel
representation of serial order because all of the items in the sequence are simultaneously
activated. In the second stage, the activations in the parallel planning layer elicited by the
ordering mechanism are projected to corresponding nodes in the competitive choice layer.
The node activations in this layer are governed by recurrent-competitive-eld dynamics.
Each item node excites itself and sends lateral inhibition to competitor nodes in the same
layer. This sets-up a response competition and the item with the strongest activation level
is chosen for recall, after which a feedback signal from the competitive choice layer inhibits
its corresponding representation in the parallel planning layer. This maximum-nding
selection and suppression process continues iteratively until all sequence items have been
recalled. Note that if this mechanism is disrupted by perturbing the activations in one or
both layers (through the addition of random noise to the item activations) then it predicts
transposition errors akin to those observed in serial recall.
Models that utilize this sequence planning and control mechanism are jointly known
as CQ models, because the activations in the parallel planning layer are organized in a
competitive queue (Davelaar, 2007). There are several variations on the basic CQ
mechanism described above. For example, not all CQ models are neural network based
(e.g., Henson, 1998a) and whilst some models implement the competitive choice layer as a
recurrent-competitive eld (e.g., Burgess & Hitch, 1999; Farrell & Lewandowsky, 2004)
others simply select the strongest item based upon the raw activations elicited by the
Documents you may be interested
Documents you may be interested