本文介绍了一种人工智能（AI）体系结构，旨在模拟人类工作记忆系统及其迭代更新方式。此体系结构包括多个相互连接的神经网络，旨在模拟大脑皮层的专门模块。它们具有层次结构并集成到全局工作区中。通过持续的神经活动，它们能够暂时维持类似于工作记忆中维护的心理模式。本文将探讨如何通过此体系结构逐渐转换协同表示的分布，最终导致处理状态之间的心理连续性，从而导致类似人类的认知。

Mar, 2022

本文提出了一个新的生命周期学习的方法，命名为记忆感知突触 (Memory Aware Synapses)，它计算神经网络参数的重要性，并根据重要性进行惩罚以防止重要知识被覆盖，这与大脑学习过程的 Hebb 规则有相关性。在物体识别任务和嵌入学习任务中，该方法表现出最先进的性能。

Nov, 2017

介绍了一种使用继任表示和神经网络的模型，以及单词嵌入向量，用于构建三个不同概念的认知图，从而根据输入提供多模态上下文信息，基于输入和预先存在的知识表示的相似性度量。

Jul, 2023

我们提出了一个由感知、记忆和推理构成的基于 PMI 框架的方法，通过聚合感知信息并在推理模块中与多源记忆进行交互与整合，实现了对当前感知信息更全面准确的解释，应用于改进问题回答任务、关系计算和图像分类任务等，提高了模型的效果。

Oct, 2023

使用 feature-rich cognitive hypergraphs 模型基于 word association data 预测单词的具体性，相比 pairwise-based feature aggregations 和 pairwise networks 有更好的表现，并且丰富了和语言心理学向量相关的信息。

Apr, 2023

本论文针对认知机器人控制架构中的知识管理问题，提出了一种支持感知运动表示和语义表示之间中介和提供数据驱动服务的内在记忆结构，并且对基于该结构的 ArmarX 机器人软件框架进行了评估。

Jun, 2022

使用 Willshaw Memory 模型和 Multiple-Modality 框架实现稀疏编码，能够储存和检索大量的现实数据，并且支持多模态同步存储与检索以及缺失模式进行推理，该框架可用于其他的学习任务。

Jul, 2022

本文全面回顾了增强记忆的图神经网络的现有文献，并通过心理学和神经科学的视角进行了分类和比较，提出了一些批判性的讨论和未来方向。

Sep, 2022

本文论述了如何实现类人的计算机工作记忆和思维过程，聚焦于模拟哺乳动物的工作记忆系统，提出了两个相互作用的工作记忆存储区，以及一种迭代更新的信息处理策略，作为设计和编程人工通用智能的计算和神经生理决定因素和算法。

Mar, 2022

本文提出了一种基于内部工作记忆模块的决策制定代理，可以通过存储、混合和检索信息来改善其在不同下游任务中的训练效率和泛化能力，并进一步证明记忆微调可以增强所提出架构的适应性。

May, 2023