Response inhibition is an important act of control in many domains of psychology and neuroscience.It is often studied in a stop-signal task that requires subjects to inhibit an ongoing action in response to a stop signal.Performance in the stop-signal task is understood as a race between a go process that underlies the action and a stop process that inhibits the action.Responses are inhibited if the stop process finishes before the go process.The finishing time of the stop process is not directly observable; a mathematical model is required to estimate its duration.Logan and Cowan (1984) developed an independent race model that is widely used for this purpose.We present a general race model that extends the independent race model to account for the role of choice in go and stop processes, and a special race model that assumes each runner is a stochastic accumulator governed by a diffusion process.We apply the models to 2 data sets to test assumptions about selective influence of capacity limitations on drift rates and strategies on thresholds, which are largely confirmed.The model provides estimates of distributions of stop-signal response times, which previous models could not estimate.We discuss implications of viewing cognitive control as the result of a repertoire of acts of control tailored to different tasks and situations.

Two connectionist frameworks, GRAIN (J. L. McClelland, 1993) and brain-state-in-a-box (J. A. Anderson, 1991), and R. Ratcliff's (1978) diffusion model were evaluated using data from a signal detection task. Dependent variables included response probabilities, reaction times for correct and error responses, and shapes of reaction-time distributions. The diffusion model accounted for all aspects of the data, including error reaction times that had previously been a problem for all response-time models. The connectionist models accounted for many aspects of the data adequately, but each failed to a greater or lesser degree in important ways except for one model that was similar to the diffusion model. The findings advance the development of the diffusion model and show that the long tradition of reaction-time research and theory is a fertile domain for development and testing of connectionist assumptions about how decisions are generated over time.