原文：Neurostatistical Model of Memory
概要
记忆的神经统计模型描述了长期记忆形成的基本过程。在该模型中，记忆由四个核心属性来描述：稳定性、连贯性[1]、可提取性和复杂性。
由来
记忆的神经统计模型是基于从不同间隔复习计划的记忆效果中得出的长期记忆的统计特性。它将记忆的双组分模型[2]扩展到分子解释之外，涉及到记忆的长期属性变化的结构和神经方面。该模型提供了大脑作为概念网络[3]发挥作用所需的基本功能成分。
记忆的神经统计模型解决了可塑性-稳定性的难题。
新概念
除了记忆的双组分模型[2]的骨架思想外，该模型的新贡献是：
- 基于神经网络干扰[4]的可提取性统计模型。
- 基于 AMPA 受体的易位、树突棘的生长和睡眠中突触变化的稳定性模型（见：记忆稳定性的双组分模型[5]）。
- 基于清除树枝状丝状体的间隔效应假设模型（见：间隔效应的结构和分子机制）。
- 记忆连贯性[1]模型(包括睡眠中的记忆巩固[6])
- 记忆复杂性模型
学习
根据该模型，学习将导致树突棘标记，插入 AMPA 受体，并消除未标记的棘。反向标记可能被用来消除干扰连接。然后，学习将导致树突棘的净损失。此外，间隔效应可能来自于需要从稳定化的部位清除树枝状丝状体。丝状突起的探索性生长将是对突触后活动减少的反应。
贡献者
Piotr Wozniak，George Zonnios（间隔效应），Darek Murakowski，Janusz Murakowski（记忆的双组分模型），Edward Gorzelanczyk（分子记忆）。
参考
1. 一致性与连贯性 ./264327134.html2. 记忆的两个组成成分 ./179076885.html
3. 概念网络 ./266541480.html
4. 干扰 ./269974053.html
5. 记忆稳定性的两个组成成分 ./268782211.html
6. 睡眠中的记忆优化 ./266856783.html