Load-Dependent Parameter Scaling in Visual Working Memory Models Reveals the Role of Decoding in Retrieval

Este preprint examina cómo los modelos recientes de recuperación en memoria visual de trabajo (MVT) expresan limitaciones de capacidad a través de parámetros ajustados, y si estas expresiones siguen el escalamiento de raíz cuadrada inversa predicho por el modelo de tamaño de muestra. Mediante simulaciones basadas en un modelo de codificación poblacional de Poisson, donde la carga de memoria se implementó como reducción del tamaño de población neural por elemento, se ajustaron tres modelos continuos de MVT que diferían en supuestos de ruido y reglas de decisión. El parámetro que capturó cambios relacionados con la capacidad dependió sistemáticamente del decodificador utilizado para transformar la actividad poblacional en una estimación de respuesta. Con decodificación de máxima verosimilitud, el tamaño poblacional reducido se expresó principalmente mediante cambios en dispersión; con decodificación de máxima salida, la misma manipulación se expresó principalmente mediante cambios en amplitud. Los hallazgos muestran que los parámetros en modelos continuos de MVT reflejan supuestos sobre cómo las representaciones a nivel poblacional se decodifican en comportamiento.

Puntos clave

• El parámetro que refleja limitaciones de capacidad en memoria visual de trabajo depende del tipo de decodificador asumido en el modelo, no es una medida independiente de precisión.
• La decodificación de máxima verosimilitud expresa la reducción de población neural mediante cambios en dispersión de respuesta, mientras que la decodificación de máxima salida lo hace mediante cambios en amplitud.
• Los datos empíricos de tareas de reproducción de memoria con post-indicación favorecen el escalamiento del parámetro de amplitud con el tamaño del conjunto en ambos dominios de características visuales.
• Los parámetros de modelos continuos de memoria visual de trabajo no son solo resúmenes de distribuciones de error de respuesta sino reflejos de procesos de decodificación poblacional asumidos.

Para quién: Investigadores en memoria visual de trabajo, modelado computacional de cognición y neurociencia cognitiva interesados en entender cómo los parámetros de modelo se relacionan con mecanismos neurales y procesos de decodificación.