Zobrazeno 1 - 10
of 509
pro vyhledávání: '"Mirolli"'
Autor:
Rigoli, Francesco1 francesco.rigoli@city.ac.uk, Mirolli, Marco2
Publikováno v:
British Journal of Psychology. Nov2024, Vol. 115 Issue 4, p683-705. 23p.
Publikováno v:
Frontiers in Neurorobotics, Vol 17 (2023)
Externí odkaz:
https://doaj.org/article/401b8c50c0934acc9c02b51cecf45ff6
Publikováno v:
Clocks & Sleep, Vol 4, Iss 1, Pp 172-184 (2022)
Several studies have reported that the COVID-19 pandemic has had deleterious effects on sleep quality and mood, but the mechanisms underlying these effects are not clearly understood. Recently, it has been shown that the acceptance component of mindf
Externí odkaz:
https://doaj.org/article/88ce44b474f2420dbe3a6d398ccb2824
Publikováno v:
Brain Sciences, Vol 13, Iss 1, p 50 (2022)
Attentional bias to sleep-related information is thought to be a core feature for developing and/or maintaining insomnia. This study used a hallmark measure of attentional bias, the dot-probe task, to determine whether this bias toward sleep-related
Externí odkaz:
https://doaj.org/article/c4adb641da364615af550e2dd58ff76c
Autor:
Rusk, Serena A., DiBari, Jessica, Mason, Dana M., Li, Mengmeng, Hong, Xiumei, Wang, Guoying, Pearson, Colleen, Mirolli, Gabrielle, Cheng, Tina L., Kogan, Michael D., Zuckerman, Barry, Wang, Xiaobin
Publikováno v:
Journal of Child Psychology; May2024, Vol. 65 Issue 5, p631-643, 13p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
PLoS Computational Biology, Vol 14, Iss 8, p e1006227 (2018)
Learning in biologically relevant neural-network models usually relies on Hebb learning rules. The typical implementations of these rules change the synaptic strength on the basis of the co-occurrence of the neural events taking place at a certain ti
Externí odkaz:
https://doaj.org/article/e62f2f1a1730450a8fc4e34630b329ea