亲吻相拥比语言更有力量：来自移动EEG的证据

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。

现阶段，大量研究采用静息态EEG、fMRI等技术考察个体在描绘情感场景的标准化图片时，其情感加工过程中的大脑神经基础。这些技术的一大特点是空间局限性较大（需要保持身体不动），导致这种标准化实验的生态效度较低。目前还不清楚这些结果是否反映了现实生活中情感情境下的神经元加工。尤其是情感状态不仅包括对情感的感知，还包括与之相关的行为成分。

所以研究者在这项研究中，通过使用移动EEG技术记录情侣在家中拥抱、接吻和聆听语言（听伴侣讲话）时的真实情绪。因为有研究证明，情绪在我们大脑中存在明显的偏侧化。所以该研究也对大脑在处理情感过程中的不对称性进行了考察。研究者的具体结果是这样的：

与中性控制条件相比，在情感状态下接吻和拥抱时前额电极上的α和β功率不对称程度更高，左脑半球的激活更强。相比之下，与中性条件相比，情感状态下的顶-枕电极部位的α功率不对称性更低，表明右半球的激活更强。

前言：

神经科学中最有趣的问题之一围绕着情绪在大脑中是如何以及在哪里处理的。100多年前，对单侧右半球病变患者的研究表明，由于这些患者表达情感的能力受损，情感处理似乎在大脑中存在偏侧化。这些结果得到了来自健康和患者人群的大量行为结果的验证，这些结果支持情感处理在大脑中不对称的观点。随着大脑记录和神经成像技术(如EEG或fMRI)的出现，可以更具体的描述皮层和皮质下区域处理情感状态的位置。对于皮层情绪处理，特别是额叶α功率与情感状态和情感调节的变化密切相关。例如，Hannesdóttir等人研究了左额叶相对不对称性(rLFA)，发现rLFA减少预示着情感调节受损和对情感刺激的生理反应更强烈。此外，rLFA对于情感表达的个体差异以及调节也是一个很好的预测因子。

关于情感偏侧化的本质，在情感加工不对称性的研究中有两种主流理论。这些理论被称为右半球假说(RHH)和情绪加工的效价模型(VM)。RHH假设，所有的情感无论其价态如何，都是在右半球处理的。相反，VM认为积极情感主要在左半球处理，而消极情感在右半球加工。这两种理论都得到了行为、电生理和神经影像学研究的支持。因此，直到今天，大脑中情感偏侧化的本质仍然是不确定的。尽管与情感相关的神经科学文献非常丰富，但该领域绝大多数已发表的论文都有一个共同的问题：使用的范式实际上在多大程度上引发了类似于现实生活中情感波动过程的神经元加工仍知之甚少。

文献中这种异质性的一个潜在原因可能是缺乏生态有效性。最近的系统综述文章指出了神经科学中生态有效研究的必要性。情绪研究尤其如此，因为最普遍的积极或消极情感诱导方法是通过电影、图片或音乐。因此，情感很大程度上只在实验范式中被感知。然而，仅仅感知情感可能不足以有效测量潜在的神经基础。现实生活中的情感既包括感觉本身，也包括与感受到的情感相关的适当行为的准备和表达。例如，这涉及到一种行为表达，如当某人经历恐惧时的回避行为，或当某人体验快乐时的趋向行为。在实验室环境中缺乏行为成分对实验结果的外部有效性提出了挑战，并且使得很难将结果归因于与相关行为，例如至关重要的情感障碍。

然而在常规设置中，由于实验设计或其发生的环境(例如在fMRI扫描仪中或在EEG记录期间)，该行为成分很难实现。在过去的十年里，出现了新的技术，如移动EEG，移动fNIRS和限制较少的MEG。随着这些技术的不断发展和优化，才使神经科学相关的研究得以在高生态效应环境中进行，因为参与者可以自由移动和在实验室外接受测试。虽然使用这些技术的文献数量仍然很少，但越来越多的研究正在产生，这些研究将神经科学研究与现实生活活动相结合，如骑自行车，步行，穿越障碍物，现时世界驾驶，在自然环境中观看现实生活中面孔或滑滑板。最近，Packheiser和他的同事研究了当参与者佩戴移动脑电图时手脚使用的神经基础。他们发现，α和β频率的不对称都能预测参与者的惯用手和脚的情况，神经信号可以区分个体的惯用肢体。重要的是他们发现，在跳跃、投掷和踢球等活动中，神经信号不受运动参数的影响。因此，移动EEG为在更自然的环境中研究人类情感及其相关行为的神经基础提供了一个有价值的工具。

通常，社交是在情感环境中的一种非常典型的人类行为。为了向他人传达我们的社交意图或情感状态，我们强烈依赖于各种触觉互动的使用，特别是在非常亲密的社会关系中。触觉是在一生中最早完全发育的感觉形态，从出生开始就在母亲的怀抱中经历。因此，社交接触与人类发展、形成依恋、情感调节和认知成熟密切相关。情感社交接触已被证明对人类的幸福和身心健康大有裨益，因为它可以减轻压力、降低血压，甚至可以预防病毒感染和过敏反应。对社交接触的神经基础的研究表明，当实验者或恋人施加非性愉悦触觉刺激时，躯体感觉皮层以及边缘或眶额脑区都会被激活。因此，在大脑处理社交接触和情感的过程中似乎有很强的重叠，这表明社交接触带有强烈的情感成分。然而，对于调查情感的研究，研究社交接触的神经基础的实验设计缺乏生态有效性，因为在现实生活环境中，例如在完全静止地躺着的情况下，对腿进行温柔触摸的情况很少发生。

本研究的目的是调查高生态效度环境下的情感偏侧化。为此，我们在恋人家中进行实验，使用移动EEG系统记录参与者拥抱和接吻。同时我们还研究了情感语言的神经相关因素，因为这种类型的社交互动是维持健康和持久关系的基础。由于额叶不对称在情感加工中的显著作用，我们重点研究了α频段中不对称处理的差异。由于在研究运动偏好和静息状态振荡的研究中，β功率在功能上不对称已被证明在与α功率不对称高度相似，我们还将β功率不对称作为因变量纳入研究。对于每一项行为任务(拥抱、亲吻和言语)，我们都采用了积极和中性的条件。我们假设情感偏侧化在情绪和中性状态之间是不同的。如果右半球假说成立，我们预计与中性状态相比，情感状态中的右半球活动更强。如果效价假说成立，我们预计与中性状态相比，情感状态中的左半球活动更强。

方法：

参与者：共有32人(16名女性)参与了这项研究。样本量是根据先前的研究确定的，该研究采用被试内设计，对额叶α不对称性进行了调查(Cohen’s d = 1.04; ηp2 = 0.36)。对参与者的性取向没有任何限制，但目前的研究中所有情侣都是异性恋。参与者的年龄在19至63岁之间(平均年龄= 29岁，标准差= 14岁)。患有神经或精神疾病的参与者被排除在研究之外。情感诱导的PANAS评分排除五名参与者，由于技术问题，在行为任务的脑电图分析中一名参与者被排除。总的来说，这为PANAS留下了27个数据集，并在最终分析样本中留下了31个符合脑电图数据分析条件的数据集。从PANAS排除的参与者和脑电图数据之间没有重叠。

实验任务：

实验范式包括进行三项行为任务，即在情感和中性条件下拥抱、亲吻和聆听语言。中性条件作为对照条件，在实验中使用相同的动作来控制运动效应。测试在参与者的家中进行，以提供尽可能多的自然场景并保证生态有效性。一名受试者使用移动脑电图系统，另一名受试者填写人口统计问卷、关系评估量表（RAS），并准备一篇与伴侣经历的美好回忆的情感文本。重要的是，未记录脑电图的伴侣也配戴了电极帽，以减少只有一个伴侣戴电极帽的尴尬。接下来，实验者用一张插图向参与者讲解行为任务以及如何恰当地执行这些任务。在指导参与者之后，实验者离开房间，以便在整个实验过程中保留隐私。行为任务如下所示：

1. 在拥抱状态下，参与者被要求在情感状态下从正面拥抱彼此(图1A)，或者在中性状态下拥抱抱枕，而伴侣不在(图1B)。另外参与者被要求避免接触电极帽，并在拥抱过程中尽可能少移动。

2. 在接吻状态下，参与者被要求在情感状态下亲吻对方的嘴唇(图1C)，或者在中性状态下亲吻自己的手，在伴侣缺席的情况下，通过拇指和食指形成唇状结构(图1D)。重要的是，参与者被告知在任何一种情况下都不要在接吻过程中使用舌头，以避免强烈的运动伪迹。

3. 在聆听语言过程中，佩戴移动EEG系统的参与者要么在情感状态下聆听伴侣阅读先前准备的情感文本(图1E)，要么在伴侣不在场的情况下收听实验之前录制的天气预报(图1F)。

图1

实验设计是平衡的，这样实验就可以从中性或情绪化的状态开始，并以男性或女性伴侣的初始记录开始。此外，在情感状态和中性状态下，行为任务的顺序是完全随机的。每个行为任务总共执行1分钟，并且根据Packheiser等人使用的程序，这些任务以30s的试验间隔(ITI)分开。在ITI期间，参与者接受即将进行的行为任务的预先录制的听觉和视觉说明。这是必要的，因为由于随机化过程，参与者不知道过程是否以拥抱、亲吻或说话开始。使用演示软件(美国加州神经行为系统公司)演示说明书。在情感和中性状态之间有5分钟的休息时间，以填写积极和消极情感量表(PANAS)，PANAS是一份问卷，通过在10个积极和10个消极项目上指出当前情绪状态来评估他们的积极和消极情感状态，从1分(非常轻微或根本没有)到5分(非常重)。休息时间允许伴侣离开或加入(分别取决于录音中的伴侣是处于情感状态还是中性状态)。我们故意选择让伴侣在中立的状态下离开房间，以说明潜在的混淆变量，比如伴侣之间的社会支持和非语言沟通。

在一名参与者完成实验程序(三个情绪任务和三个中性任务)后，记录的伙伴再次填写PANAS，以便在情感和中性条件下都测量情感状态。之后，伴侣的角色互换，未记录的伴侣进行相同的实验方案。

脑电记录、预处理和分析：

使用移动EEG记录系统获得EEG信号。LiveAmp 32包括以国际10-20系统(C3/C4、FP1/FP2、Fz、F3/F4、F7/F8、FCz、FC1/FC2、FC5/FC6、FT9/FT10、T7/T8、CP1/CP2、CP5/CP6、TP9/TP10、Pz、P3/P4、P7/P8、Oz和O1/O2)排列的32个Ag-AgCl电极。在数据记录期间，FCz电极用作参考信号。使用无线放大器(模数转换：24位)放大所有信号，并使用脑视觉分析仪软件以1 kHz的采样率记录。在录制之前将阻抗降低到10 kHz以下，以确保良好的信号质量。此外，脑电图系统还包括位于头骨后部的X(内外轴)、Y(前后轴)和Z(背腹轴)方向的三个加速度传感器，记录参与者头部的运动。

在数据采集之后，在脑视觉分析仪(Brain Products GmbH，Gilching，德国)中对EEG信号进行离线预处理。原始数据文件经过24 dB(八度音阶)从0.1 Hz(高通)到30 Hz(低通)的带通滤波。手动检查所有信号是否有技术伪迹和记录质量较差的通道。通过应用Infomax独立分量分析(ICA)去除系统性伪迹，即水平或垂直眼动以及与脉冲相关的信号。通过地形插值重新计算参考通道(FCz)和信号质量不足的通道。

在预处理之后，首先在整个试验持续时间(60s)内对各个任务进行分段，然后进行基线校正。以任务开始前的500ms作为基线信号。然后，将整个trial划分为58个段，每段时间1024ms。如果满足以下任何标准，则通过自动伪迹剔除来排除个别片段：(1)电压阶跃为50µV/ms，(2)在200ms间隔内幅度差大于200µV，(3)在100ms间隔内信号强度低于0.5µV。在下一步中，我们应用电流源密度(CSD)变换来从滤波和分段的数据中去除参考电位。最后，我们使用快速傅立叶变换将振荡数据分解成不同的频带(10%的哈蒙德窗)。α振荡定义在8-13 Hz范围内。β频率定义在13-30 Hz范围内。然后，计算双边排列(C3/C4、FP1/FP2、F3/F4、F7/F8、FC1/FC2、FC5/FC6、FT9/FT10、T7/T8、CP1/CP2、CP5/CP6、TP9/TP10、P3/P4、P7/P8和O1/O2)下每个电极的平均功率密度(单位带宽功率)，并分别在两种条件下提取了这三个任务的平均功率密度(单位带宽功率)。在最后一步中，根据Ocklenburg等人的下列公式计算电极对之间的不对称指数(AIs)

AI = ln(power right)− ln(power left)

统计分析:

使用SPSS进行统计分析。PANAS评分采用双因素重复测量ANOVA，包括效价(因素两个水平：所有积极和所有消极项目的平均得分)和条件因素 (两个因素：情绪和中性)。使用Bonferroni校正进行事后分析。分别对三种行为任务的神经数据进行分析。研究所有电极对(即所有非中心电极)在α和β频段的AIs的差异。计算采用双因素重复测量方差分析(ANOVA)，每个单独的电极对作为第一个因素(14个水平：C3/C4，FP1/FP2，F3/F4，F7/F8，FC1/FC2，FC5/FC6，FT9/FT10，T7/T8，CP1/CP2，CP5/CP6，TP9/TP10，P3/P4，P7/P8和O1/O2)，实验条件作为第二个因素(两个水平：情感和中性状态)。再次使用Bonferroni校正进行了事后比较。测试的顺序作为被试间变量，以排除测试顺序带来的影响。如果在特定的电极对上检测到情感状态和中性状态之间的显著差异，则进一步将这种差异与RAS问卷中的情感得分相关联。为了识别不同状态下与运动相关的差异，研究提取了情绪状态和中性状态下X、Y和Z轴上的加速度传感器信号。

图2

结果：

情感诱导：

首先，使用PANAS评分调查了情感状态是否比中性状态引发了更多积极的情感状态。用2×2 ANOVA，通过比较情感状态和中性状态下所有积极和消极项目的平均值来评价PANAS问卷的结果。结果发现，效价和条件有显著的主效应，积极项目得分(平均分=2.75)高于消极项目得分(平均分=1.24)，情感状态得分(平均分=2.35)高于中性状态(平均分=1.64)。项目效价与实验条件之间存在显著的交互作用(见图2)。经Bonferroni校正后的测验显示，在情感状态下的积极情绪显著高于中性状态。负性情感在情绪状态和中性状态之间的差异不显著(p>0.25) 。

α功率不对称：

为了研究情感状态和中性状态条件下神经加工的差异，采用2(条件：情感、中性)×14(电极对)ANOVA分别考察了三种行为任务条件下AIs的变化。对于拥抱条件，没有发现条件的主效应，也没有发现条件和电极对之间的显著交互作用(图3A)。条件、电极对和性别之间的交互作用无统计学意义。对于接吻条件，条件的主效应不显著，但条件与电极对之间存在显著的交互作用。Bonferroni事后校正后显示，情感状态下FP1/FP2电极对的不对称指数明显高于中性条件下(图3B)。条件、电极对和性别之间的交互作用不显著。对于聆听语言条件，条件的主效应不显著，但条件与电极对之间存在显著的交互作用。Bonferroni校正后显示，情感状态下P7/P8电极对的不对称指数明显低于中性状态(图3C)。条件、电极对和性别之间的交互作用不显著。行为顺序对是实验结果没有明显的影响。所有行为任务与RAS评分的相关性均未达到显著水平。

图3

β功率不对称：

对β频段的分析同α频段。对于拥抱条件，既没有发现条件的主效应，也没有发现条件与电极对之间的显著交互作用(图4A)。条件、电极对和性别之间的交互作用达到显著水平。与中性状态相比，情感状态下男性在F7/F8和FT9/FT10电极对上表现出更高的不对称指数。同样，与中性条件相比，男性在情感状态的FT9/FT10电极对上表现出更高的不对称指数（p=0.017）。女性参与者中没有发现显著差异。对于接吻条件，条件的主效应不显著，但条件与电极对之间存在显著的交互作用。Bonferroni校正后测试显示情感状态下，FP1/FP2电极对的不对称指数明显高于中性状态。此外，情感状态下，F7/F8电极对的不对称指数明显高于中性状态(图4B)。最后，在情感状态下，O1/O2电极对的不对称指数明显高于中性状态。聆听语言条件的主效应不显著，而条件与电极对的交互作用显著，条件与电极对之间的交互作用不显著，聆听语言条件的主效应不显著，但条件与电极对之间的交互作用显著。Bonferroni事后校正后显示情感状态下，FP1/FP2电极对的不对称指数明显高于中性状态。此外，情感状态的F7/F8电极对上的不对称指数明显高于中性条件的F7/F8电极对上的不对称指数(图 4C)。条件、电极对和性别之间的交互作用不显著。任务顺序对结果无明显影响。所有行为任务与RAS评分的相关性均未达到显著水平。

图4

加速度传感器：

为了确定情绪状态是否与更强烈的运动相关，本研究比较了情感状态和中性状态下每个行为任务的加速度传感器信号。为此，计算包含条件因素 (两个水平：情绪和中性)和方向因素(三个水平：X、Y和Z轴)的2×3ANOVA。对于拥抱，没有发现条件的主效应，也没有发现与运动方向的交互作用(见图5A)。对于接吻，结果是相似的，条件的主效应不显著，也没有检测到与运动方向的交互作用(见图5B)。最后，聆听语言条件也没有发现条件的主效应显著，也没有产生与运动方向的交互作用(见图5C)。SI图1描述了三种行为任务按频带(α、β、γ、δ)划分的运动信号的总平均值。

图5

伪迹剔除：

为了评估情感状态和中性状态在剔除片段上是否存在差异，本研究对情感状态(情感和中性两个水平)和行为任务(三个水平：拥抱、亲吻和言语)进行了2×3的ANOVA。结果发现，情感状态的主效应显著，与中性状态相比，情感状态在自动伪迹剔除后可供分析的片段较少。此外，本研究还发现因素条件与行为任务之间存在交互作用。与情感拥抱状态相比，情感语言聆听可供分析的片断较少。

讨论：

在本研究中，使用移动EEG记录情侣在日常生活环境中的情感社交接触和情感语言聆听过程中的大脑活动，以提供较高的生态有效性。由于大脑中情绪处理的明显偏侧化，所以本研究在分析中特别关注了这种不对称性。结果发现，参与者在与各自的伴侣一起执行行为任务后，情绪更加积极。在神经层面上，本研究发现接吻条件下，与中性状态相比，情感状态FP1/FP2电极对上的α功率AIs更高。对于语言聆听条件下，与中性条件相比，我们发现在情感状态下P7/P8电极对上的α功率AIs更低。在β频段，我们发现只有在拥抱状态下，情感状态下F7/F8和FT9/FT10电极上的AIs高于中性条件下的AIs。在性别之间，我们发现在接吻和情感言语时，与中性状态相比，情感状态下在FP1/FP2和F7/F8电极对上AIs更高。此外接吻时，与中性状态相比，情感状态下O1/O2电极对上的AIs增加。情感状态和中性状态下的运动信号没有区别。

α功率振荡的增加与抑制功能密切相关，例如，在视觉空间注意、面孔识别和工作记忆任务期间。α振荡被认为是由局部抑制性GABA能神经元的节律性爆发产生的。因此，AIs的增加表明右半球抑制更强或左额叶活动增加，而AIs的减少则反映更强的左半球抑制或右半球激活。因此，与中性条件接吻相比，情感条件接吻时额叶α功率不对称性的增加表明，在强烈的积极情感存在的情况下，左半球的额叶区域激活程度更高。这些结果与情感偏侧化的VM理论是一致的，该理论假设积极的情感在左半球处理，而与RHH的预测相反，即所有的情感都在右半球处理，而不受效价的影响。有趣的是，先前关于情感状态对社会行为偏侧化的影响的行为研究表明，与中性状态相比，RHH提供了总体上最好的预测来解释情感偏侧性的变化。Prete和他的同事有类似发现，关于大脑半球不对称的行为和神经发现是不一致的。然而，应该注意的是，VM和RHH不一定是相互排斥的。Killgore和Yalgelun-Todd提出了一个综合模型，假设VM能准确预测前部或额部不对称，而后部或顶部不对称更符合RHH的预测。由于我们发现与中性言语相比，情感言语状态下P7/P8电极对上的不对称分数较低，这表明情感状态下的右半球激活更强，我们的结果证实了情感偏侧化似乎在大脑皮层区域之间并不是一致的，而是具有区域特异性的。

对于β频段的不对称性，我们发现与α频段相比，其不对称性很相似，有时甚至更大。与α功率振荡相反，β频带的功能作用还没有定论。虽然一些研究表明β活动表明认知激活，但也有人认为β功率与抑制性中间神经元网络的功能相关，表明α和β活动具有相似的特征。在之前的一项移动脑电图研究中，我们调查了运动执行期间的α和β不对称性，我们还发现α和β不对称性在功能上相似，并与抑制相关。Ocklenburg等人甚至发现α、β、δ和θ振荡都显著相关，这表明一般来说，大脑节律性活动可能有一些共同的功能。然而，与alpha功率相反，β不对称性并没有显示情感状态接吻期间枕部电极上的AIs减少，而是增加了与额叶电极相当的AIs。因此，虽然α和β功率之间有着明显的相似性，但它们并不是简单的功能相同。这些发现表明，未来应进更深入研究β功率不对称性，以明确β不对称性在大脑中的功能作用。

与接吻和语言聆听条件相反，我们无法在拥抱条件的α或β频带中找到任何整体影响。对于这一发现的缺乏，一个可能的解释是，与长时间的亲吻或情感言语相比，拥抱经常发生在柏拉图式的朋友之间，甚至是陌生人之间。因此，这种情绪状态可能缺乏强烈的情感成分，因为拥抱不是一种能引起强烈情感反应的伴侣特有的互动。此外，拥抱通常比我们实验中采用的1分钟间隔短，这是可靠数据采集所必需的。异常长的持续时间可能会对我们的实验结果产生负性影响。然而，有趣的是，我们在β频段发现了性别特异性效应，只有男性在额叶电极部位表现出更高的不对称指数。可以推测，与女性相比，男性在日常生活中拥抱的次数较少，尤其是在亲密的男女关系中，男性更容易在拥抱时情绪化。

一个需要解决的重要问题是眼球运动的潜在影响，这可能会影响我们目前的结果，因为加速度传感器没有捕捉到眼球运动。虽然ICA算法可以减少眼动伪迹，但在FP1/FP2电极上的结果仍然不确定。然而，我们坚信眼球运动不会影响目前的研究结果，主要有两个原因：第一，不对称指数的计算很可能抵消了由于眼球运动而产生的所有眼部伪迹，这些伪迹在眨眼时同时发生在两只眼睛上。由于从右半球信号中减去了来自左半球的信号，因此通过该计算应该已经消除了所有残留伪迹。其次，由于我们调查了每个行为任务在每个条件下的1分钟振荡数据，所以我们的各个片段在试验开始时没有时间锁定。然后，我们对这些数据进行分段，并对其进行平均。这一过程可能会将所有剩余的眼球信号平均出来，因为它们在整个试验过程中随机出现。

鉴于该方法和实验范式的相对新颖，本研究也存在一些局限性。

首先，研究的样本量相当低，即便是针对被试内设计。

其次，由于实际原因（拥抱和亲吻时难以人为诱发负面情绪）和伦理原因（关系中可能出现的紧张），目前的范式没有采用负面情绪状态。不幸的是，由于缺乏消极情绪状态，研究结果无法最终嵌入情绪偏侧化理论，因为效价假说区分了积极和消极的情绪状态，而不是积极和中性的情绪状态。

最后，无法研究双方大脑之间的同步性，因为只有一个移动EEG系统可用。

综上所述，在高的生态环境中，与中性条件相比，情绪化过程中的α功率不对称性存在差异，这与整合额叶效价和右后半球加工的情绪偏侧化模型一致。然而，为了提供这方面的结论性证据，未来的研究应该设想一个类似的实验，并包括一个消极的情绪状态（例如，列出在这项研究中没有的令人讨厌的伴侣习惯）。此外，未来的研究应更详细地调查β频率，因为与α频率相比，其功能作用似乎并不完全相同。此外，本研究的生态有效性仅限于来自西方社会的夫妇。就接吻而言，相比于背景（尤其是在文化背景方面），接吻的频率和偏侧化都存在显著差异。经常观察到的儿童的左摇篮偏向也发现了类似的结果。因此，观察社会行为中的文化差异是否在这些互动类型的神经生理学过程的改变中反映是很有趣的。最后，在我们的样本中，情侣关系满意度几乎没有差异。未来的研究可以复制类似的实验设计，但特别邀请关系好和不好的参与者，以确定由于情感差异可能产生的结果。

亲吻相拥比语言更有力量：来自移动EEG的证据相关推荐

Java与C#比较，哪个语言更是适合你？
Java与C#比较,哪个语言更是适合你? 先来说一说Java和c#的一些语言细节上的区别. 第1个方面是数据类型方面. c#支持nullable数据类型,而Java不支持. c#支持指针类型,而Jav ...
TypeScript和JavaScript哪种语言更先进
TypeScript和JavaScript哪种语言更先进近两年来最火爆的技术栈毫无争议的是JavaScript,随着ES6的普及,不管是从前端的浏览器来看,还是后端的NodeJS场景,JavaScr ...
python与scratch哪个好_对于儿童来说，Scratch和Python哪个语言更锻炼思维能力
原标题:对于儿童来说,Scratch和Python哪个语言更锻炼思维能力首先,从学习难度的角度来看,Scratch和Python是相对容易学习的编程语言. Scratch是一种"积木式&q ...
2019北京台春晚带妆联排宋丹丹与儿子相拥
中新网北京1月21日电近日,2019年北京电视台春节联欢晚会进行了带妆联排,现场明星阵容十分强大. 现场图记者获悉,除了代言人杨幂.蔡徐坤外,马德华.乐华七子.唐嫣.罗晋.杨紫.许魏洲.关晓彤.韩 ...
哪种语言更适合做自动化测试？
经常有测试新手问我:Python和Java语言,哪个更适合做自动化测试?本来想简单的回答一下的,但又觉得对不起大家对小编的信任.因此,小编今天专门写了一篇文章来回答这个问题.欢迎各位大佬补充~ 1.什 ...
哪些语言适用于人工智能选哪个开发语言更好
哪些语言适用于人工智能?选哪个开发语言更好?在推动人工智能产业从兴起进入快速发展的历程中,AI顶级人才的领军作用尤为重要.上至国家,下至科技巨头,无不将AI视为提升自身的核心竞争力的根本性战略.那么你 ...
沟通技巧-《说话的力量》书中的精髓：如何说话更有力量
<说话的力量>书中的精髓:如何说话更有力量日常生活中总是离不开沟通,沟通的方式有很多种,其中言语沟通,也就是说话,是最广布,也是最方便的一种. 虽然说话是沟通中最方便的方式,可也常常闹笑 ...
2016年关总结让爱更有力量
前言在这样一个夜深人静的夜晚,一个辞旧迎新的日子里,选择来坐下来好好思考过去这一年经历的事情和遇到的人,以及展望一下接下来的一年. 工作 2016年,在工作上可以说是经历了很多.就好似走过一 ...
GIS教程之哪种语言更适合地理可视化：R 还是 Python？
在这篇博文中,我构建了两个交互式地图,一个使用 Python,另一个使用 R 来决定哪种语言更适合这项工作. 使用 R 和传单构建交互式地图第 1 步:导入地理数据 data <- read. ...

亲吻相拥比语言更有力量：来自移动EEG的证据

亲吻相拥比语言更有力量：来自移动EEG的证据相关推荐

最新文章

热门文章