XiaoMi-AI文件搜索系统
World File Search SystemJina
Keystone物种崩溃的社会成本：来自印度秃鹰衰落的证据
∗弗兰克：芝加哥大学（eyalfrank@uchicago.edu）。sudarshan：沃里克大学（anant.sudarshan@warwick.ac.uk）。我们感谢Rema Hanna，Michael Greenstone，Amir Jina和Claire Palandri提供了数据访问。我们感谢芝加哥大学塔塔发展中心和贝克尔·弗里德曼学院提供的资金来支持这项工作。We thank Ben Balmford, Chris Bowden, Robin Burgess, Rhys Green, Ryan Kellogg, Koichiro Ito, John Janmaat, Charles Taylor, and Wen Wang, as well as the seminar and conference participants at the Indian Statis- tical Institute, BREN School at UC Santa Barbara, the LSE Workshop in Environmental Economics, the Department of Zoology at the University of Cambridge, the Environment Week at LSE, the NBER Energy and Environmental Economics spring meeting, Canadian Resource and Environmental Economics Association conference, the Heartland confer- ence, the Southern Economic Association conference, the Environment, Pollution, and Health AERE ASSA session, the Ecology and Evolution Group at Stanford University, the Rosenkranz Symposium as Stanford University, as well as the Institute for Global Health and Development at Peking University and the Stanford Asia-Pacific Research Center for他们有用的评论。我们感谢Sushant Banjara，Alina Gafanova，Sara Gerstner，Miriam Gold，Animesh Jayant，Simran Karla，Sahila Kudalkar，Sreya Majumder和Yuerong Zhang和Yuerong Zhang提供了出色的研究帮助。所有剩余的错误都是我们自己的。本文中包含和表达的陈述，发现，结论，观点和观点不一定是IQVIA Ltd.或其任何附属或子公司实体的陈述，结论，观点和观点。
经过多日的练习，完成双手控制任务的从头运动学习
经过多天的练习，完成双手控制任务的从头运动学习 Adrian M. Haith 1 、Christopher Yang 2 、Jina Pakpoor 1 和 Kahori Kita 1 约翰霍普金斯大学 1 神经病学系、2 神经科学系，美国马里兰州巴尔的摩 摘要 尽管关于运动学习的许多研究都集中在我们如何调整动作以在面对强加的扰动时保持表现，但在许多情况下，我们必须从头学习新技能，或者从头学习。与适应相比，人们对从头学习知之甚少。部分原因在于学习一项新技能可能涉及许多挑战，包括学习识别新的感觉输入模式和产生新的运动输出模式。但是，即使有了熟悉的感觉线索和练习过的动作，根据当前状态快速选择适当的动作仍然是一个挑战。在这里，我们设计了一个双手手到光标映射来隔离这个控制问题。我们发现，尽管参与者对映射有明确的了解，但他们最初还是难以在这种双手映射下控制光标。然而，经过多天的练习，表现稳步提高。参与者在恢复到真实光标时没有表现出任何后遗症，这证实了参与者是从头开始学习新任务的，而不是通过适应。对目标中途运动扰动的纠正反应最初很弱，但随着练习，参与者逐渐能够对这些扰动做出快速而有力的反应。经过四天的练习，参与者在双手映射下的行为几乎与使用真实映射光标时的表现相匹配。然而，在表现水平上仍然存在微小但持续的差异。我们的研究结果说明了学习新控制器的动态和局限性，并引入了一个有前途的范例，用于研究运动技能学习的这一方面。 通讯作者：Adrian Haith 209 Carnegie 550 North Wolfe Street Baltimore, MD, 21287, USA adrian.haith@jhu.edu 简介