Контекстите на кодиране се възстановяват случайно по време на конкурентно извличане и проследяване на времевата динамика на намесата в паметта, част 1

Способността да си спомним епизод от нашето минало често е възпрепятствана от конкуренция от подобни събития. Например, ако искаме да запомним статията, препоръчана от колега по време на последната лабораторна среща, може да се наложи да разрешим смущенията от други препоръки за статии от същия колега. Това проучване проучва дали контекстуалните характеристики, уточняващи епизодите на кодиране, са случайно възстановени по време на конкурентно извличане на паметта. Конкуренцията между спомените е създадена чрез парадигмата за смущения AB/AC.

На първо място, в състезанията по памет добрата памет е от решаващо значение за участниците. Състезанието изисква участниците да запомнят повече информация за определен период, а ключът към победата е кой помни повече информация и е по-точен. Следователно, ако искате да спечелите в състезанието за памет, трябва да имате силна памет. Участниците с висока памет могат да запомнят големи количества информация бързо и ефективно, което е благоприятно за получаване на предимство в състезанието.

Второ, конкурентните състезания за памет също могат да насърчат подобряването на индивидуалната памет. Участието в състезанието изисква много тренировки, като постоянно упражняване на паметта, подобряване на ефективността на паметта, укрепване на концентрацията и т.н. Тези упражнения са полезни за упражняване на личната памет и подобряване на личното когнитивно ниво. В конкурентното състезание по памет, ученето от добрия опит на другите и продължаването на ученето и напредъка ще накара способността им за памет да бъде допълнително подобрена.

В допълнение, конкурентните състезания за памет могат също да стимулират потенциала на индивидите. Като състезателен спорт състезанието по състезателна памет може да накара участниците да имат по-силно самочувствие и състезателна психология, да стимулира личната мотивация и потенциал и допълнително да подобри тяхната памет и цялостно качество.

Накратко, съществува неразривна връзка между конкурентната памет и паметта. Участието в конкурентни състезания по памет може да насърчи подобряването на личната памет и също може да стимулира потенциала на хората, така че да станат по-уверени, смели и сериозни. Следователно, ние трябва активно да участваме в състезания за памет и да напредваме непрекъснато, за да подобрим паметта си. Така че е ясно, че трябва да подобрим паметта си и цистанче може значително да подобри паметта, тъй като meat cohere също така регулира баланса на невротрансмитерите, като повишени нива на метахолин и растежни фактори, които са важни за паметта и ученето, а meat cohere също подобрява кръвен поток и доставка на кислород. Това може да гарантира, че мозъкът получава адекватно хранене и енергия, като по този начин подобрява жизнеността и издръжливостта на мозъка.

Кликнете върху Know, за да подобрите когнитивната функция

Индивидуалните двойки думи бяха представени вградени в бавно движещ се контекст, подобен на истинска дума. Многовариантният анализ на моделите (MVPA) на електроенцефалографски (ЕЕГ) данни с висока времева разделителна способност беше използван за изследване на повторното активиране на контекста по време на извличане на паметта. Поведенчески наблюдавахме проактивна (но не и ретроактивна) намеса; това означава, че представянето за AC конкурентно извличане е по-лошо в сравнение с контролно DE неконкурентно извличане, докато AB извличането не страда от конкуренцията.

Неврно, проактивната намеса беше придружена от ранно възстановяване на контекста на конкурента, а разрешаването на интерференцията беше свързано с последващото възстановяване на целевия контекст. Заедно тези констатации предоставят нови доказателства, показващи, че контекстите на кодиране на конкуриращи се дискретни събития случайно се възстановяват по време на конкурентно извличане и че такова възстановяване проследява конкуренцията при извличане и последващото разрешаване на смущения.

Ключови думи:

Електроенцефалография (ЕЕГ); епизодична памет; повторно активиране на паметта; многовариантен анализ на модели (MVPA).

Въведение

Епизодичната памет ни позволява да пътуваме назад във времето, за да преразгледаме миналото си (Tulving 1983). Въпреки това, достъпът до определено минало събитие често е възпрепятстван от съревнование за извличане, което възниква, когато сигналите за извличане се припокриват с търсеното събитие и други подобни събития (Anderson 1974; Mensink и Raaijmakers 1988).

Теориите за възстановяване на контекста (напр. Estes 1955; Polyn et al. 2009; Howard and Kahana 2012; Howard 2017; Yonelinas et al. 2019; Kahana 2020) описват как нашият текущ опит е представен в мозъка чрез свързването на бавно движеща се контекстуална информация към дискретни събития. Съответно извличането на контекст по време на епизодично запомняне служи за организиране на нашето минало. Въпреки това, малко се знае за ролята на извличането на контекста по време на конкурентно запомняне. Наскоро беше изказана хипотезата, че контекстуалната информация може да действа като форма на когнитивен контрол, който смекчава ефектите от намесата на паметта в работната памет (Beukers et al. 2021).

В това проучване ние използвахме многовариантни анализи на модели (MVPA) на електроенцефалографски (ЕЕГ) данни с висока времева разделителна способност, за да измерим реактивирането на контекстуални детайли по време на дългосрочно епизодично запомняне. Нашите данни предоставят ново доказателство, че контекстуалната информация се възстановява случайно по време на конкурентното извличане на отделни събития и че такова възстановяване проследява конкуренцията и разрешаването на смущенията.

Епизодичната памет по дефиниция е зависима от контекста (Estes 1955; Godden and Baddeley 1975; Polyn et al. 2009; Howard 2017) и предишни проучвания показват, че епизодичното запомняне включва възстановяване на елементите и контекстуалните характеристики на оригиналното събитие. Съответно е доказано, че успехът на извличането зависи от невронното възстановяване на следи от памет, свързани с целта (Polyn et al. 2005; Staresina et al. 2012; Gordon et al. 2014; Jafarpour et al. 2014), които сигналите за извличане задействат възстановяване на контекстуални характеристики, които ръководят поведението (Jiang, Bramão, et al. 2020a; Jiang, Wang, et al. 2020b), и това извличане може също така да активира нерелевантни за целта контекстуални характеристики (Manning et al. 2011; Diana et al. 2013 ; Gershman et al. 2013; Miller et al. 2013; Staudigl et al. 2015; Folkerts et al. 2018; Herweg, Solomon и др. 2020b). Наскоро Herweg, Sharan, et al. (2020a) и Herweg, Solomon, et al. (2020b) показаха, че възстановяването на пространствения контекст може да предшества извличането на елемент и че тета осцилаторната активност в медиалния темпорален лоб координира епизодичното извличане на елемент и контекст. Въпреки това, тези предишни проучвания са изследвали контекстуално възстановяване в неконкурентни парадигми за извличане.

Досега малко се знае за случайното възстановяване на контекста по време на конкурентно извличане. Възстановяването на контекстуална информация по време на конкурентно извличане може да играе съществена роля чрез разделяне на конкуриращи се дискретни събития и по този начин намаляване на смущенията в паметта. Интересното е, че Manning et al. (2016) откриха по-малко възстановяване на контекста след насочена инструкция за забравяне, което предполага, че умишленото забравяне активно измива контекстуалните характеристики на миналото събитие (Sakakyan and Kelley 2002).

В това проучване ние изясняваме как възстановяването на контекстуална информация се случва по време на конкурентно извличане на дискретни събития. Предишна работа показа, че намесата в паметта е свързана с двусмислени модели на невронно възстановяване и с ангажирането на фронтопариеталните контролни процеси, които разрешават конкуренцията между целевите спомени (Wimber et al. 2009; Kuhl et al. 2011; Wimber et al. 2015). Данните от ЕЕГ показват, че интерференцията на паметта е свързана с положителни фронтални бавни вълни (Johansson et al. 2007; Hellerstedt and Johansson 2014) и с повишена фронтална тета активност (Hanslmayr et al. 2010; Staudigl et al. 2010; Waldhauser et al. 2012), които вероятно са предизвикани от едновременното повторно активиране на целеви и конкуриращи се следи от паметта.

В това проучване ние използваме MVPA на EEG данни, записани по време на извличане на паметта, за да изследваме едновременното и случайно повторно активиране на контекстите, в които целевите и конкуриращите се дискретни събития са били вградени по време на кодирането.

Интерференцията на паметта е експериментално предизвикана в адаптирана AB/AC парадигма (напр. Kuhl et al. 2011). Участниците първо кодираха нови двойки реплика-асоциирани думи (AB) и по-късно припокриващи се асоциации, образувани чрез сдвояване на повтарящи се реплики с нови асоциирани думи (AC). Неприпокриващите се нови двойки думи (DE) служеха като неконкурентно контролно условие.

За да се симулира богатата и сложна природа на епизодите от реалния свят, отделните двойки думи бяха вградени в един от трите мултимодални филмови контекста (т.е. филм от първо лице на подводна, горска или градска среда). Няколко отделни двойки думи бяха представени в рамките на един и същ разширен филмов контекст, позволявайки симулация на бавно движещия се характер на контекстите от реалния свят (Stark et al. 2018). Критично, двойките думи AB, AC и DE бяха кодирани с различни филми, което позволява количественото определяне на възстановяването на контекста при извличане (фиг. 1A). Участниците бяха инструктирани умишлено да научат двойките асоциирани, докато контекстът беше случаен за задачата за памет (Smith и Vela 2001; Stark et al. 2018).

Класификатор на модели беше обучен по време на кодирането, за да разграничи моделите на колебателна мозъчна активност, свързани с различните динамични контексти (Фиг. 1B). При извличането на участниците беше представена подсказка с дума (или A, или D на конкретна двойка), последвана от представяне на сонда от първата буква, показваща кой от асоциираните (или B, или C, или E) да припомнете си избирателно. Класификаторът беше приложен през времевия курс на извличане, за да се определи количествено и да се разкрие времевата динамика на възстановяването на контекста на целта и конкурента (фиг. 1A, F).

Първо проверихме дали оригиналните контексти на динамично кодиране (филми), въпреки че са инцидентни за задачата на паметта, се възстановяват по време на извличането на дискретните събития (двойки думи). Ако е така, прогнозирахме, че неконкурентното извличане, за разлика от конкурентното извличане, ще бъде свързано с възстановяването на целевия контекст, който вече е във времевия прозорец на думата. Думата cue, при неконкурентно извличане, се среща само в едно събитие на кодиране; по този начин той може незабавно да задейства извличане на търсената следа от паметта. След като установихме начин за количествено определяне на случайното възстановяване на контекста на кодиране, ние се обръщаме към нашата основна цел и измерваме времевата динамика на възстановяването на контекста на целта и конкурента по време на конкурентно извличане. Ние прогнозирахме, че 1) конкуренцията за извличане ще бъде свързана с едновременното повторно активиране на целта и конкуриращи се контексти или без повторно активиране, тъй като и двата контекста се конкурират за повторно активиране и нито един не печели и 2) че последващото разрешаване на смущения ще бъде свързано с появата на по-силна цел по отношение на възстановяването на контекста на конкурента във времевия прозорец на сондата (фиг. 1A, F).

Материали и методи

Участници

Тридесет човешки участници взеха участие в проучването (средна възраст 22 години, диапазон 19–29; 17 жени). Всички участници бяха десничари, чийто майчин език беше шведски, и не съобщаваха история за неврологични или психиатрични заболявания. Участниците получиха билет за кино като компенсация за доброволното участие в проучването. Проучването е проведено съгласно шведския закон относно етичния преглед на изследванията, включващи хора. Участниците дадоха писмено информирано съгласие и проучването следваше местните етични насоки в университета в Лунд.

Стимулиращи материали

В експеримента са използвани тройки от сто четиридесет и четири думи. Всички думи бяха конкретни думи, избрани от шведски езиков корпус (Borin et al. 2012). Думите в триплет съдържаха различни начални букви и нямаха очевидна връзка помежду си. Триплетите бяха разделени на два списъка, съпоставени по дължина и честота (всички Ps > 0.4), от 72 триплета всеки. Всеки списък беше присвоен на конкретно експериментално състояние (конкурентни AB и AC и неконкурентни DE). Бяха създадени три версии на всеки списък, в които състоянието на всяка дума в триплета беше завъртяно между реплика, цел и състезател. За да се гарантира, че разликите между условията не се дължат на разлики в словния материал, присвояването на списъците с думи беше балансирано между експерименталните условия и участниците.

В експеримента са използвани три перспективни филмови контекста от първо лице: 1) гмуркане под вода, 2) разходка в гора и 3) шофиране в Ню Йорк. За да оптимизираме многовариантната класификация на моделите, ние използвахме контексти, които бяха перцептивно и семантично различни един от друг.

Експериментален дизайн и процедури

Пълният експеримент се състоеше от 18 блока, всеки от които включваше фаза на кодиране, 30-s задача за отвличане на вниманието назад и фаза на извличане. Във фазата на кодиране (фиг. 1A) на участниците бяха представени асоциирани двойки думи, вградени във филм. Всяка двойка думи беше представена за 3 секунди между филмови сегменти, които продължиха 6–9 секунди. За да създадат силни представяния на паметта, участниците бяха помолени умишлено да научат сдвоените сътрудници и да ги визуализират в контекста на филми. Забележете, че контекстът на филма е случаен към задачата за запаметяване (т.е. връзката между контекста и двойките думи не е изрична цел на обучение) (Smith and Vela 2001; Stark et al. 2018).

Първите участници бяха представени с четири нови асоциирани реплики (двойки думи AB). За да създадат смущения в паметта, участниците впоследствие кодират двойки думи, които съдържат повтаряща се реплика, съчетана с нов асоцииран (AC двойки думи). И накрая, беше представен и отделен набор от четири нови асоциирани реплики (неконкурентни двойки думи DE), които не бяха последвани от припокриващи се двойки. От решаващо значение е, че за да може да се проследи повторното активиране на целеви спрямо случайни характеристики, филмите, свързани с двойки думи AB, AC и DE, бяха различни. Присвояването на филма на експериментални условия (AB, AC и DE) беше уравновесено сред участниците в различните експериментални блокове. По този начин всеки филм беше използван еднакво често в трите експериментални условия през целия експеримент. Това гарантира, че базираната на MVPA класификация се основава на повторното активиране на филмовите контексти, а не на изискванията на експерименталните условия AB/AC/DE. Редът на представяне на двойките думи AB, AC и DE беше балансиран между блоковете, с ограничението, че двойките думи AB винаги предхождат двойките думи AC.

Във фазата на извличане паметта за всичките 12 представени двойки думи беше тествана в задача за припомняне (т.е. четирите AB, четирите AC и четирите DE). Участниците първо бяха тествани върху всичките четири двойки думи DE, заедно с две двойки думи AB и още две произволно избрани двойки думи AC. Редът на извличане на тези първи осем двойки думи беше случаен. Показателно е, че представеният ЕЕГ анализ беше ограничен до извличането на тези първи осем двойки думи, за да се гарантира, че всяка реплика е използвана само веднъж. В края на блока за извличане, производителността на паметта за четирите конкурентни асоциации също беше тествана (т.е. тестът за памет на целта AB/AC беше последван от тест за памет на AC/AB конкурент). Опитът за извличане започна с представяне на фиксиращ кръст за 2 секунди, последвано от произнасяне на думата cue (As или Ds) за още 2 секунди.

След това първата буква от сдвоената дума (сондата) беше представена за 3 s и участниците бяха помолени да извлекат целевия асоцииран (половината от Bs и Cs и всички E). Контекстът на кодиране не е подсказван, споменат или по какъвто и да е друг начин направен подходящ за задачата за извличане. В края на всеки блок за извличане участниците бяха помолени да извлекат конкурентите (останалите Cs и Bs). Участниците отговаряха устно и отговорът им беше регистриран от експериментатора. За да се избегнат мускулни артефакти в ЕЕГ данните, участниците бяха помолени да задържат отговорите си до представянето на въпросителен знак.

ЕЕГ запис и предварителна обработка

ЕЕГ се записва непрекъснато с помощта на усилвател SynAmps RT Neuroscan (1 kHz честота на семплиране; референтен ляв мастоид; честотна лента DC-3500 Hz; 24-битова разделителна способност) от 62 активни електрода, монтирани в еластична капачка и позиционирани според към разширената система 10–20. Данните за ЕЕГ бяха предварително обработени с помощта на FieldTrip (Oostenveld et al. 2011) и вътрешни MATLAB скриптове. Офлайн, данните бяха намалени до 500 Hz и разделени на две различни епохи от интерес: епоха на кодиране и епоха на извличане. Данните за кодиране бяха извлечени от епоха, варираща от -1 до 7 s спрямо началото на филма, за да се използват за обучение на класификаторите на шаблони за разграничаване на контекстите на филма. Епохата на извличане беше създадена чрез избиране на данни, вариращи от -2 до 6 s спрямо началото на думата cue. Тези данни бяха използвани за тестване на класификаторите на невронни модели, тоест оценка на възстановяването на контекста на филма и за извършване на стандартен едновариантен времево-честотен анализ.

Епохираните данни бяха преобразувани в свързана референтна мастоидна линия и базовата линия коригирана (изваждане от средната амплитуда на епохата). Освен това, измерванията на биполярна електроокулограма бяха изчислени с помощта на електрод FP1 и електрод, поставен под лявото око, и електродите FT9 и FT10 в капачката за съответно откриване на вертикални (мигания) и хоризонтални движения на очите. Епохите на ЕЕГ бяха физически проверени и тези, съдържащи мускули или други артефакти, несвързани с мигания и хоризонтални движения на очите, бяха отстранени ръчно. Беше проведен анализ на независими компоненти и бяха отстранени компоненти, представляващи окуломоторни артефакти и мускулна активност, различни от ЕЕГ сигнала. В допълнение, каналите с постоянен шум сред участниците бяха премахнати от анализа (FT9/FT10), всички останали лоши канали (ако има такива) бяха интерполирани и данните отново бяха визуално проверени, за да се премахнат всички опити, съдържащи остатъчни артефакти. Окончателният анализ включва средно 34 AB изпитвания (вариращи между 30 и 36 опита), 34 AC изпитвания (вариращи между 29 и 36 опита) и 66 DE изпитвания (вариращи между 51 и 72 опита) на участник.

Времево-честотно разлагане

Сигналите от отделни опити бяха трансформирани във времево-честотни представяния (TFR). TFR бяха получени за честоти в диапазона от 4 до 45 Hz, с честотна стъпка от 1 Hz, времева стъпка от 0.05 s и вълнова ширина от 5 цикъла, като се използва сложната вълнова трансформация на Morlet, както е приложена в FieldTrip. Мозъчната осцилаторна активност е била използвана преди това за успешно обучение на класификатори на модели за разграничаване на мнемонични представяния (Jafarpour et al. 2014; Bramão and Johansson 2018) и се смята, че поддържа основните механизми на епизодичната памет (Hanslmayr and Staudigl 2014; Hanslmayr et al. 2016; Schreiner и Staudigl 2020).

Статистически анализ и многовариантна класификация на модели

Ние обучихме класификатор да разграничава модели на мозъчна активност, свързани с контекстните филми при кодиране. MVPA беше извършено с помощта на поддържаща векторна машина (SVM), с линейно ядро ​​и стратегия един срещу всички, както е приложено в набора от инструменти за биоинформатика MATLAB и следвайки предложените протоколи в литературата (Jafarpour et al. 2013). Класификаторите на шаблони бяха обучени на осреднения TFR през всяко 6- представяне на филм по време на фазата на кодиране (Забележка: за периоди, в които филмите присъстваха до 9 s, първите 6 s бяха използвани за анализ). Класификаторите използваха TFR от 60 канала и по този начин класификаторът беше обучен на 2520 възможни характеристики (60 канала ∗ 42 честоти). Не е извършена допълнителна корекция на базовата линия на TFR; вместо това мощността на всяка честота и канал беше нормализирана в опитите (Jafarpour et al. 2013). Класификацията е извършена с помощта на TFR сигнала от средно 63 опита, съответстващи на подводния контекст (диапазон 53–71), 64, съответстващи на горския контекст (диапазон 54–71), и 64, съответстващи на градския контекст (диапазон 54– 72). Използвахме 10-сгъваема процедура за кръстосано валидиране, за да тестваме класификатора при кодиране. Тоест, данните бяха рандомизирани и разделени на 10 приблизително еднакви по размер подмножества, върху които бяха извършени 10 итерации на тест за обучение. Всеки дял беше използван като тестов набор веднъж, като останалите девет дяла бяха използвани за обучение на класификатора в тази гънка. Във всяка итерация на кръстосано валидиране моделът беше използван за прогнозиране на категорията на пропуснатите опити.

За да визуализираме приноса на всеки канал и честота към представянето на класификацията, ние проведохме повторно обучението за класификация в два анализа. Приносът на отделните канали беше оценен чрез анализ на прожекторите в пространствената област. Същата процедура за класифициране беше повторена, но включваше само целевия канал и неговите съседни съседи (средно седем, вариращи между четири и осем канала). Аналогично, приносът на всяка честота беше оценен чрез повторна класификация, използвайки целевата честота и съседни честоти (три честоти с изключение на минималната и максималната честота, където бяха използвани само две честоти). Ефективността на класификацията беше разпределена към целевия канал и целевата честота и беше контрастирана със случайността (33,3%). Отчита се точността на класификацията, която е преживяла корекцията на Bonferroni (коригирана P-стойност за честоти: 0.05/42 сравнения=0.0012; коригирана P-стойност за канали: 0,05/60 сравнения=0.0008).

Класификаторът на шаблони, изграден и кръстосано валидиран с данните за кодиране, впоследствие беше използван за прогнозиране на контекста на кодиране на целта въз основа на данните за извличане (т.е. контекста на целевата дума, която трябва да бъде извлечена) в опити, за които участниците показаха успешно извличане на целта както и за опити, при които участниците не са успели да извлекат целта. Тестването беше извършено на 85 отделни интервала от време, от −0.2 до 4 s спрямо началото на думата, с интервали от 0.05-s, обхващащи както репликата, така и времеви прозорец на сондата.

Всяка итерация на класификация създава матрица на объркване, която обобщава резултата от класификацията. Редовете на матриците представляват истинските контекстни категории, докато колоните представляват предвидените контекстни категории. Класификацията в матрицата на объркването на дадено място (r, c) изразява броя на наблюденията с етикет r, които класификаторът е маркирал като c. Стойностите по диагонала на матрицата (r=c) съответстват на правилните класификации, където истинската и прогнозираната категории са еднакви. Тъй като класификацията в настоящото изследване включваше балансиран брой наблюдения за категория, ние разделихме всеки елемент от матрицата на объркването на сумата от нейния ред, така че всеки ред да се сумира на едно. Точността на класификатора, дефинирана като процент опити за класификация, които правилно предсказват категорията на наблюдението, беше изчислена като средна стойност на диагонала на матрицата на объркването, осреднена за итерациите на кръстосано валидиране и участниците.

За да определим статистическата значимост на наблюдаваната точност на класификацията, ние генерирахме нулевото разпределение за всеки участник чрез провеждане на класификации с разбъркани данни. За да тестваме значимостта на класификацията при кодиране, проведохме 100 итерации и за да тестваме статистическата значимост на повторението при извличане, проведохме 1000 итерации (за да отчетем увеличения брой точки от данни при извличане). При всяка итерация етикетите за контекстните филми бяха разбъркани. Така всяка итерация дава разпределение, което не съдържа вярна информация за категорията на филма, но запазва цялостната гладкост и други статистически свойства. За да коригираме множество сравнения и да тестваме статистическата надеждност на класификацията, получена по време на кодирането, сравнихме класификацията със средната класификация, получена с разбърканите данни.

За да коригираме множество сравнения и да тестваме статистическата надеждност на класификацията, получена по време на извличането, проведохме t-тест с една извадка за всяка от 1000 итерации, сравнявайки ефективността на класификацията срещу случайността (33,3 %). Разпределението на t-тестовете, получени с водените от материала данни, формира непараметричното емпирично нулево разпределение и 97,5 и 2,5 персентила на това разпределение бяха използвани като праг на значимост за двустранен тест, който съответства на праг на значимост на 0,05. Ефективността на класификацията при извличане беше изгладена с помощта на подвижна средна с размер от 0,1 s за показване и за изчисляване на t-теста на непараметричното разпределение. Точността на класификацията се счита за значителна, ако t-стойността, получена при сравняване на класификация срещу случайност (33,3%), е по-висока от праговата t-стойност, получена при теста за пермутация (Osipova et al. 2006; Johnson et al. 2015).

Освен това, резултатите от тази първа пермутация бяха потвърдени с тест за пермутация на Монте Карло с корекция на степента на фалшиво откриване (FDR), както е приложено във FieldTrip (Oostenveld et al. 2011). Тук грешката type-1 беше контролирана чрез намиране на FDR-коригираната P-стойност във всяка времева точка. Нулево разпределение на данните беше изчислено чрез рандомизиране на данните 1000 пъти в точки от данни за всеки участник. При всяка итерация на пермутация беше извършен t-тест, контрастиращ класификацията в разбърканите данни срещу случайността (33,3%). FDR беше използван за оценка на вероятността за получаване на фалшив положителен резултат предвид наблюдаваните положителни резултати сред референтното нулево разпределение, като се има предвид праг от P <0,05. Отчитат се само резултати, които са значими и при двата подхода.

Връзка между възстановяването на контекста и възстановяването на паметта

За да изследваме връзката между възстановяването на контекста и епизодичното запомняне, ние изследвахме точността на класификацията по време на извличане като функция на производителността на паметта. Точността на класификацията за успешни и неуспешни опити за извличане беше контрастирана за интервалите от време, където се наблюдава значително повторение в предишната стъпка. Критично, за да избегнем пристрастия поради статистическа независимост, ние внедрихме процедура за кръстосано валидиране с изключване на един субект (LOSO) (Esterman et al. 2010). Това беше направено чрез контрастиране на класификаторите, обучени и тествани върху данните от всички останали участници, срещу случайност (33,3%), като се използва t-тест за една извадка и се оценява с праговете на полученото нулево разпределение.

Това ни позволи да идентифицираме, за всеки от пропуснатите участници, времевите интервали, които показват класификация, различна от случайността през цялата епоха на извличане. За да изберем конкретни интервали от време за всеки от пропуснатите участници, идентифицирахме класификаторите, показващи значително повторение във времеви интервал в рамките на 0.2 s над и под времевия прозорец, идентифициран в предишната стъпка. Идентифицираните интервали от време бяха използвани за извличане на точността на класификацията за успешни и неуспешни опити за пропуснатия участник. Извън тези предварително дефинирани времеви прозорци не наблюдавахме друг последователно значим класификатор в итерациите. Важно е, че с помощта на тази процедура избегнахме кръговрата в анализа, тъй като бяха използвани независими данни за избор на времеви прозорци, за да се контрастира повторението на паметта при успешни и неуспешни опити.

For noncompetitive memory retrieval, a two-tailed paired sample t-test compared the mean classification accuracy for successful and unsuccessful retrieval trials. Additionally, for competitive retrieval, we further investigated the classifier evidence for target, competitor, and DE noncompetitive context as a function of memory performance. We entered the classifier accuracy, for the time bins where reliable replay was observed, in a repeated-measure analysis of variances (ANOVA) with the factors Memory Performance (successful vs. unsuccessful) and Context (target vs. competitor). The DE noncompetitive retrieval was excluded from the analysis to not violate the dependent-variable independence assumption of ANOVA. Only significant effects and interactions are reported. For these analyses, we only included participants with a sufficient number of trials per condition (>10 опита за условие).

For more information:1950477648nn@gmail.com