Memory for serial order 31
ordering mechanism (e.g., Henson, 1998a; Page & Norris, 1998). Models also critically
dier in the mechanism that generates the activations in the parallel planning layer, with
some models using a static ordering mechanism that generates a single activation gradient
(viz., a primacy gradient, see below) and with other models employing a dynamic ordering
mechanism that modulates the activation gradient over time (viz., position marking, see
below). Finally, models dier in their degree of reliance on the post-output inhibition of
items (viz., response suppression, see below), with such inhibition being a crucial
ingredient in some CQ models (e.g., Grossberg & Pearson, 2008; Page & Norris, 1998),
but less crucial in others (e.g., Brown et al., 2000; Burgess & Hitch, 1999; Henson, 1998a).
Not all models utilize the CQ selection mechanism. For example, the
Context-Serial-Order-in-a-Box (C-SOB) model (Farrell, 2006; Lewandowsky & Farrell,
2008a) utilizes a CQ-like selection mechanism, but diers critically in its use of
distributed, rather than localist representations of items, combined with an (obligatory)
iterative, dynamic selection process. In contrast, the Scale Invariant Memory, Perception
and Learning (SIMPLE) model (Brown et al., 2007) utilizes the Luce choice rule (Luce,
1963) to select items. In this variant of the selection mechanism, recall probabilities are
computed for each item, at each recall position, by dividing the activations generated by
the ordering mechanism by their sum total. The item with the strongest recall probability
is then chosen for recall.
Position marking
Position marking is an approach to representing serial order in which associations
are formed between sequence items and some independent and varying contextual
representation of their position. The positional representations are only approximate,
meaning that the representations of neighboring positions overlap to some degree. At
recall, the positional cues are reinstated in turn and each sequence item is activated to the
How to convert pdf into powerpoint on - application control tool:C# Create PDF from PowerPoint Library to convert pptx, ppt to PDF in, ASP.NET MVC, WinForms, WPF
Online C# Tutorial for Creating PDF from Microsoft PowerPoint Presentation
How to convert pdf into powerpoint on - application control tool:VB.NET Create PDF from PowerPoint Library to convert pptx, ppt to PDF in, ASP.NET MVC, WinForms, WPF
VB.NET Tutorial for Export PDF file from Microsoft Office PowerPoint
Memory for serial order 32
extent that the positional cue it was associated with during serial order encoding is similar
to the current positional cue. Response selection proceeds by emitting the item activated
most strongly in response to each positional cue.
Models of serial recall implementing position marking dier according to whether
they represent positional information using temporal, absolute, or relative codes (Henson,
1999b). An example of a model relying on a temporal coding scheme is the
Oscillator-Based Associative Recall (OSCAR) model (Brown et al., 2000). In this model,
items are linked with the dierent states of a time-varying context signal driven by sets of
temporal oscillators operating at dierent frequencies (Figure 6A). At recall the context
signal is reset to its initial state before being replayed, with list items being activated
through their original associations with the timing signal. The item activations elicited by
the re-evolving context signal are processed by a CQ mechanism that emits the most
actively cued items at dierent recall times. A similar, but more abstract, temporal
coding scheme is utilized by the SIMPLE model (Brown et al., 2007).
Models employing an absolute coding scheme include C-SOB (Farrell, 2006;
Lewandowsky & Farrell, 2008a) and the original Burgess and Hitch (1992) model. For
example, in the latter model, items are associated with an event-driven context signal
implemented as a vector of inactive nodes containing a dynamic window of active nodes
(Figure 6B). The context vector changes gradually with the presentation of each item by
sliding the attentional window from left to right by a constant one node per item. The
same moving window scheme is employed in more recent instantiations of the model
(Burgess & Hitch, 1999, 2006), except the context signal is driven by the passage of time,
rather than by items, resulting in a temporal coding scheme.
An example of a model employing a relative coding scheme is the Start-End Model
(SEM; Henson, 1998a; see also Houghton, 1990). In this model items are linked to the
varying states of a context signal comprising two elements: A start marker that is
application control tool:Online Convert PowerPoint to PDF file. Best free online export
Convert a PPTX/PPT File to PDF. Just upload your file by clicking on the blue button or drag-and-drop your pptx or ppt file into the drop area.
application control tool:C# PDF insert text Library: insert text into PDF content in
Parameters: Name, Description, Valid Value. value, The char wil be added into PDF page, 0
Memory for serial order 33
strongest for the rst position and decreases exponentially in strength across positions and
an end marker that is weakest for the rst position and increases exponentially in strength
across positions (Figure 6C). The relative strengths of the start and end markers provide
an approximate two-dimensional representation of the position of each item relative to the
start and end of a sequence.
Primacy gradient
Asimpler scheme for representing serial order is in terms of a primacy gradient of
activation levels whereby the rst item is activated strongest and the activations of
subsequent items decrease monotonically across positions (Figure 7A). When serial order
is represented by a primacy gradient complemented by response suppression (see below),
forward recall is accomplished via an iterative process of selecting the most active item for
recall before suppressing its activation so the next strongest item can be emitted. This is
the functional mechanism for ordered recall in the original competitive queuing model of
Grossberg (1978a, 1978b), the primacy model (Page & Norris, 1998), the original
Serial-Order-in-a-Box (SOB) model (Farrell & Lewandowsky, 2002), and the LIST PARSE
(Laminar Integrated Storage of Temporal Patterns for Associative Retrieval, Sequencing
and Execution) model (Grossberg & Pearson, 2008).
Some models that use position marking to represent order also incorporate a
primacy gradient. For example, in OSCAR (Brown et al., 2000) and C-SOB, (Farrell,
2006; Lewandowsky & Farrell, 2008a), the primacy gradient is implemented as an
exponential decrease in the strength of the associations between items and their position
markers (similar comments apply to the start marker in Henson’s SEM). In the Burgess
and Hitch (1999) model, a primacy gradient is implemented through decaying inhibition of
activated item nodes during sequence presentation. To elaborate, during presentation of a
sequence each stimulus activates its corresponding item node after which it is inhibited.
application control tool:C# PDF Convert to Tiff SDK: Convert PDF to tiff images in
with specified zoom value and save it into stream The magnification of the original PDF page size Description: Convert to DOCX/TIFF with specified resolution and
application control tool:RasterEdge XDoc.PowerPoint for .NET - SDK for PowerPoint Document
Convert. Convert PowerPoint to PDF. Convert PowerPoint to ODP/ ODP to PowerPoint. Document & Page Process. PowerPoint Page Edit. Insert Pages into PowerPoint File
Memory for serial order 34
Critically, this inhibition wears o gradually over time, meaning that once recall is
initiated earlier items will have had more time for their activations to recover from
inhibition. This sets up a primacy gradient of activations over the item nodes, with the
outcome that the Burgess and Hitch (1999) model can accomplish forward recall even in
the absence of its positional context signal (Page, 2005).
Thus, most models of short-term memory assume the presence of a primacy gradient
at some level. The models dier, however, in terms of the underlying mechanism they
adopt to explain the genesis of the primacy gradient. As noted above, in the Burgess and
Hitch (1999) model, a primacy gradient arises due to the operation of decaying inhibition
following item selection during serial order encoding. Page and Norris (1998) propose two
mechanisms by which the primacy gradient might arise in their primacy model. On the
one hand, in an activation-based conception of their model, the primacy gradient arises
from the decaying activation of a modulating factor, which is, in turn, multiplied by the
number of items already encoded into memory. The activity of the modulating factor is
maximal upon presentation of the rst item in the sequence and then decays exponentially
with the passage of time, meaning that each incoming item is encoded with less strength
than its predecessor. On the other hand, in a context-based conception of their model, the
primacy gradient arises through the association of each incoming item with a start of
sequence context, with the strength of the association decreasing with sequence position.
This context cue is then reinstated at recall in order to retrieve the primacy gradient of
activations over items.
In the LIST PARSE model (Grossberg & Pearson, 2008; see also
Bradski, Carpenter, & Grossberg, 1992, 1994), the primacy gradient arises because once
the nodes representing items are activated during serial order encoding their activations
gradually accumulate in strength. Since items encoded earlier in the sequence will have
had more time for their activations to accumulate, primacy will dominate in the resulting
activation gradient over item nodes. Finally, in the SOB model (Farrell & Lewandowsky,
application control tool:C# PDF Convert to Word SDK: Convert PDF to Word library in
with specified zoom value and save it into stream The magnification of the original PDF page size Description: Convert to DOCX/TIFF with specified resolution and
application control tool:C# PDF insert image Library: insert images into PDF in, ASP
Import graphic picture, digital photo, signature and logo into PDF document. Merge several images into PDF. Insert images into PDF form field.
Memory for serial order 35
2002) and its more recent extension, C-SOB (Lewandowsky & Farrell, 2008a), the primacy
gradient is a consequence of an endogenous encoding process, exclusive to this model,
known as similarity-sensitive encoding. This process determines the encoding strength of
each study item by calculating its novelty with respect to existing information in memory.
Items which are novel with respect to existing information are encoded strongly, whereas
items which are similar are encoded less strongly. Crucially, because each new study item
will bear some resemblance to existing information in memory this means that each item
will be encoded with less strength than its predecessor, thereby generating a primacy
gradient. However, as we will see later, encoding conditions exist in which SOB and
C-SOB predict a non-monotonic rather than a monotonic primacy gradient.
Response suppression
Response suppression is the output-contingent inhibition of items, and is, as Table 2
indicates, a widespread assumption in models of short-term memory. In CQ models,
response suppression is re ected by the inhibitory feedback signal from the competitive
choice layer to the parallel planning layer following the retrieval of an item. It is
considered to be a dening property of those models (Davelaar, 2007). However, it is more
important in CQ models (and non-CQ models e.g., Farrell & Lewandowsky, 2002) that
represent serial order via a primacy gradient than models that represent serial order
through position marking. In the former models, response suppression is necessary to
remove an emitted item from the competitive queue so that the next strongest item can
be recalled (Figure 7B). Without response suppression, the response selection mechanism
would perseverate on the initial response, which would always remain the most active.
Response suppression is less important (but still employed) in models that represent serial
order through position marking, because at recall the dynamically evolving positional
context signal continuously modies the competitive queue, thereby reducing the burden
application control tool:C# PDF File Split Library: Split, seperate PDF into multiple files
Divide PDF File into Two Using C#. This is an C# example of splitting a PDF to two new PDF files. Split PDF Document into Multiple PDF Files in C#.
application control tool:C# PDF Page Insert Library: insert pages into PDF file in
from the ability to inserting a new PDF page into existing PDF or pages from various file formats, such as PDF, Tiff, Word, Excel, PowerPoint, Bmp, Jpeg
Memory for serial order 36
on response suppression for sequencing. Another distinction between models employing
response suppression concerns whether this suppression decays over time, so that the
activation of a suppressed item can gradually recover from inhibition (e.g., Burgess &
Hitch, 1999; Henson, 1998a; Page & Norris, 1998), or whether response suppression is
time-invariant, with recovery from inhibition only occurring following recall of the entire
sequence (e.g., Farrell, 2006; Farrell & Lewandowsky, 2002; Lewandowsky & Farrell,
Cumulative matching
An important question for theories of short-term memory for serial order is how to
account for the long-term learning of sequences|the transfer of order information from
short-term to long-term memory|as witnessed in the Hebb repetition eect (Hebb, 1961).
There is evidence (reviewed later) that in order to explain Hebb repetition learning,
models of short-term memory must incorporate a recognition process for computing
whether an incoming sequence is a novel sequence or one that has been encountered
previously. Two of the models listed in Table 2, namely the most recent instantiation of
the Burgess and Hitch (2006) model and the revised primacy model (Page & Norris,
2009), accomplish this using a process known as cumulative matching, whereby an
incoming sequence is incrementally matched to the representations of previously presented
sequences to establish whether it is familiar or not.
We illustrate the process of cumulative matching rst using the mechanism
instantiated in the Burgess and Hitch (2006) model as an example. As noted earlier, in
the Burgess and Hitch (1999) model, serial order is represented by associating each item
in a sequence to a set of context nodes with a pattern of activation that varies
dynamically across positions. In that model, the same set of context nodes is used to
encode all sequences to which the model is exposed. However, in the most recent version
Memory for serial order 37
of the model (Burgess & Hitch, 2006), multiple sets of context nodes are employed, with
dierent sequences each recruiting a potentially unique context-set. In the revised model,
context-item pairings have both short-term and long-term characteristics. When a
sequence is presented, a matching process is initiated whereby each currently presented
item is compared with the long-term item-context pairings of each of the dierent existing
context-sets. A context-set receives a match value of 1 for each item in the sequence that
matches the long-term item-context associations and a value of 0 otherwise. For each
presented item in the sequence, the model calculates the cumulative match between the
sequence so-far-presented and each context-set. The cumulative match is calculated by
summing the number of matches and multiplying this value by 1/n, where n is the
number of items so-far-presented. If the cumulative match of a context set falls below a
threshold value (set to 0.6 in the simulations of Burgess and Hitch) then it is dropped
from the cohort of possible candidate context-sets. Thus, as more items in the sequence
are conveyed, more and more context-sets will gradually be eliminated. Once the sequence
has been presented, the remaining context-set with the best cumulative match is used to
encode and recall the sequence. If no context-set remains active then a new context-set
will be recruited instead.
Asimilar matching process operates in the revised primacy model of Page and
Norris (2009). In their model, a sequence made familiar through repetition is represented
by a single localist \chunk" node. This chunk node has connections to each of its
constituent items that vary in strength according to a primacy gradient. For example, the
chunk node for the familiar sequence YMCA would have a strong connection to the letter
Y, a weaker connection to the letter M, a weaker connection still to the letter C, and so
forth. This primacy gradient in the item-to-chunk node connections parallels the primacy
gradient of activations over items used to represent order in short-term memory. When a
sequence is conveyed, chunk nodes will re according to the extent to which the incoming
Memory for serial order 38
short-term memory primacy gradient of activations matches the primacy gradient in the
connections between chunk nodes and items. Thus, the YMCA node will re maximally in
response to the sequence YMCA, but less so in response to sequences such as YMAC,
CAYM etc. If no chunk node res during the presentation of a sequence then a new chunk
node will potentially be established.
Output interference
Afurther assumption invoked by four of the models listed in Table 2 is that of
output interference. This refers to the notion that the recall of an item from short-term
memory interferes with the representations or accessibility of items that are yet to be
recalled. This output interference manifests irrespective of whether or not a recalled item
is subsequently suppressed and its eects accumulate as sequence production unfolds,
meaning that the representations of items in the middle and towards the end of a sequence
will be most impaired by its action. Accordingly, output interference is one mechanism by
which the primacy eect in forward ordered recall might materialize.
In the OSCAR (Brown et al., 2000) and C-SOB (Lewandowsky & Farrell, 2008a)
models, output interference is modeled by adding increasing amounts of Gaussian noise
with each successive item recalled to the weight matrix encoding associations between
items and their position markers. By contrast, in the SIMPLE model (see Lewandowsky,
Duncan, & Brown, 2004), output interference is simulated by reducing the distinctiveness
of the positional representations of yet to be recalled items by an amount which increases
with each recalled item. The use of output interference in these models enables them to
more accurately accommodate primacy and sequence length eects (see e.g., Brown et al.,
Memory for serial order 39
Locus of similarity eects
Several theories additionally incorporate assumptions about the nature and locus of
item similarity eects in short-term memory (Botvinick & Plaut, 2006; Brown et al., 2007;
Burgess & Hitch, 1999; Farrell, 2006; Henson, 1998a; Lewandowsky & Farrell, 2008a; Page
&Norris, 1998). These theories can be distinguished according to whether they explain
similarity eects solely in terms of the stage of retrieving item information, or whether
similarity also aects initial encoding.
According to retrieval-based accounts of similarity eects (Burgess & Hitch, 1999;
Henson, 1998a; Page & Norris, 1998), ordered recall proceeds in (at least) two competitive
stages. In the rst, order-based competition stage, items are activated by the ordering
mechanism driving recall and the strongest item is chosen. In the second, similarity-based
competition stage, an item chosen from the rst stage will undergo a further competition
in which it is vulnerable to confusion with other items remaining to be recalled based
upon its degree of similarity to those items. To elaborate, we illustrate the recall
procedure underlying the primacy model (Page & Norris, 1998), which relies on a
dual-stage procedure for recall. In the primacy model, items are activated according to a
primacy gradient in the rst stage and the item with the strongest activation is selected
through competitive queuing. The recalled item is then passed on to a second stage
wherein its activation is set equal to 1. Items which are similar to the recalled item are
activated by an amount equal to the value of a parameter re ecting their degree of
similarity, whereas items which are dissimilar to the recalled item have an activation equal
to 0. The eect of this is to increase the likelihood that a similar item recalled from the
rst stage will be confused with another similar item in the second stage, thereby
accommodating the poorer ordered recall of sequences of similar items.
Other theories (Botvinick & Plaut, 2006; Brown et al., 2007; Farrell, 2006;
Lewandowsky & Farrell, 2008a; Nairne, 1990), by contrast, posit that the eects of
Memory for serial order 40
similarity do not occur solely during retrieval, but also occur during the encoding of serial
order. For example, the C-SOB model (Farrell, 2006; Lewandowsky & Farrell, 2008a) has
an initial serial ordering stage that involves context-item associations and a second
retrieval stage in which a \noisy" item representation recovered from the rst stage is
converted into a recallable item. This latter \deblurring" stage uses long-term knowledge
in order to reconstruct degraded representations of items retrieved from the rst stage.
C-SOB predicts an eect of similarity on serial order encoding by virtue of the
similarity-sensitive encoding mechanism that underlies the generation of its primacy
gradient. Recall from earlier that similarity-sensitive encoding determines the encoding
strength of each successive study item by computing its similarity to the current contents
of memory. Items that are dissimilar and novel with respect to existing information in
memory are encoded strongly, whereas items that are similar are encoded less strongly. A
natural consequence of this similarity-sensitive encoding process is that items in similar
sequences will be encoded with less strength than items in dissimilar sequences, rendering
the primacy gradient for similar sequences shallower than that for dissimilar sequences. In
addition to its eect on encoding, similarity aects recall by reducing the accuracy of the
deblurring process used to disambiguate retrieved items. Both the eects of similarity at
encoding and during retrieval in C-SOB render errors more likely in similar sequences
than in dissimilar sequences.
Selection of principles
We now review empirical evidence for the role of the principles of serial order and
ancillary assumptions described above in verbal, visual, and spatial short-term memory, in
an attempt to identify the theoretical constructs that are best suited to explaining
memory for serial order in the three domains. Note that this is not a straightforward
exercise, because many of the phenomena of serial order reviewed earlier are explicable in
Documents you may be interested
Documents you may be interested