抑郁症,莫要讳疾忌医。

如果说你得了一种病,你去跟你的朋友,家人去说,他们不但不担心你,不陪你去看病,不给你安慰,甚至还会揶揄和嘲讽,“你别找借口了吧。”,“你吓唬谁啊。”,“就你事多,少瞎琢磨。” 这事怎么体会?


这事很常见,这个病就是抑郁症。


翟欣欣的案子还在审理,一些名校毕业的中年人因职场失意而跳楼的案例也都历历在目,实际上,这些只是抑郁症爆发,冰山上的一角。


很多时候,我们会天然的觉得,那些功成名就的成功人士,那些朋友圈里不断打鸡血的创业者,通常是不会抑郁的,但实际上,根据我的观察,现实恰恰相反。


还记得前段时间周鸿祎朋友圈突然感言人生失败的事情么,内情确实不了解,但我不负责拍脑袋猜测一下,老周那个时候绝对是抑郁了。


创业者会抑郁,因为压力,因为责任,因为挫折带来的沮丧。


责任心往往与抑郁症成正比,你越想为所有的人负责,为团队负责,为投资人负责,为合作伙伴负责,为家庭负责,你就不得不背负起沉重的负担,如山一般。如果你的家人又不体谅你,那压力就要加个更字。


身边很多创业者家庭,甚至成功人士家庭,都曾经面临家庭中的压力,离婚的已经不少了,长期分居的,经常夫妻冷战的,有些还涉及跟长辈的纷争,那问题就更加头大。女方通常会感慨悔教夫婿觅封侯,而男方通常会觉得女方无法体谅自己的压力和责任。


在咪蒙这样的女性大号里,故事往往是优秀的男生又能赚钱又顾家,左手事业右手生活,长得帅还浪漫,不符合如上条件的一概渣男,但现实中,很抱歉,想要面面俱到的实在太难了,我偷偷说个真相给妹子们,专一的男生往往不会太浪漫,大多数情况下,浪漫和温存是拿很多姑娘练出来的。算了,扯远了,还会被女性大V批判,我知道朋友谁谁谁就都符合,所以你不符合你是渣男。


回到这个话题,有的人善于处理错综复杂的人际和各种关系,有的人不善于,前者可能还能安抚好各方情绪并度过难关,而后者可能就只会越搞越糟,翟欣欣这样的是比较极端的,但其实出状况而没有被曝光的非常多,很多事情也不都是一方的问题,因为家庭关系处置不当,女方抑郁的其实也不少见。


知乎上经常有这样的讨论,开车到家楼下,停车半小时再回家,很多职场上的风头人物都有这样的经历,平复心情,自我疏解,然后用尽可能若无其事的样子回到家庭,把工作中的压力阻断在外。但也难免被心细的家人看出端倪,“你怎么这么心不在焉”,“你有听我说的话么?”,“我让你去查查煤气费/水电费/停车费/物业费/托管费 的事情你怎么又忘了?" 对外气势坚强,对内怀柔温存,人活得非常分裂,坚持的住就是赢家,坚持不住就会爆发。


成功人士,有些人会觉得,有钱不能摆平一切么?真不能。

职场,商业竞争的明争暗斗;政治风向的风吹草动;利益下的人心浮动,太多可说的不可说的。


那些表面光鲜的成功人士背后 旧文也提到,很多身价很高的成功人士,其实可能并没有那么光鲜,在股权质押问题上,在财务上也会面临捉襟见肘的窘境,而这时候,他们还要维系自己的形象和身价,努力在公众面前表现出泰然自若的样子,那么焦虑和恐慌就只能憋在自己心里。


冯小刚和崔永元的事情,很多人追热点,我这里提一句,大部分解读都没说到点子上。华谊兄弟的几个主要股东股权已经质押的七七八八了,而且按照正常逻辑,最近这跌幅可能已经是接近强平线了,可能政府现在不让强平了,但这种勒着脖子的感受可以体会一下。冯小刚靠明显利益输送的收购条款从华谊兄弟赚到了不少钱,但对赌协议也不是闹着玩的,股价好的时候股东们可以做点手段,股价不好大股东们自顾不暇,这么说吧,要是“手机2”这部电影跪了,基本上华谊兄弟股东们就要团灭了。崔永元的爆料打在了七寸上,冯导不怒才怪。


场面上不服软,骨子里很焦虑,这是很多成功人士彼此撕逼的常态,至于这两年某些来钱不正的大佬就更不用说了,被约谈的约谈,被边控的边控,大佬们嘴上硬,各种不在乎,心里怎么想,我也不敢乱说。最近p2p金融开始狂爆雷,一波波的开始收网抓人了,那么币圈见光死的垃圾项目这么多,某些大佬站台骗了这么多钱,未来会怎样,谁知道。


你说他们不焦虑,不在乎,或许吧,人家可能真不在乎,我只能说为啥我一直不敢碰这个,我要是处于这样的场景,我想想自己肯定恐慌死了,被套牢的韭菜追杀怎么办,被政府抓怎么办,身败名裂怎么办,所以回过头来说,我这种人是不能碰这种事的,钱没赚到自己先崩溃了。


创业者要有大心脏,有时候说难听点,混不吝,什么都不在乎,可能抗压能力就强一些,但还是那句话,如果你责任心很强,想对得起所有人,想承担所有的责任,那可能没多大事,自己就把自己压垮了。而有不少创业者,真就是这么压垮自己的。


那么,成功人士,那么有钱,不会找专业的医生去做心理问诊来调解么?


那我特别强调一点,在中国,就心理问诊,情绪调节这方面的治疗,最大的难点是,很难建立彼此信任关系。越是大佬,知名人物,越不敢轻信外人。


我们很多人对心理医生的认识,可能来自于香港电影《无间道》,梁朝伟卧底的身份非常隐秘,是绝对不能外传的,但他很苦闷,把隐私告诉了心理医生。他必须找人倾诉,又无人倾诉,心理医生是他唯一的寄托。而心理医生的职业准则之一,就是切实维护患者的隐私。


但现实中,人们很难相信自己的隐私不会被传播。


一个看上去十分体面风光风云人物,怎么敢把自己郁闷,苦恼的事情告诉一个心理医生,这基本不可能,万一被传出去还了得,分分钟身败名裂有没有,说白了,我怎么可能把自己的前程和身家,寄托在你心理医生的职业操守上。但也邪门,有时候宗教,甚至假借宗教名号的伪大师就会趁虚而入,从王林道长到李一大师,很多时候也扮演了给风云人物排忧解难,指点迷津的作用。是否能指点迷津不知道,但至少那些人有了倾诉和交流的对象。


通常,抑郁只能自我疏解,怎么疏解?


第一就是给自己打鸡血,天天发励志信息,然后让自己忙起来,相信只要肯努力就能克服一切问题。(然而并不能)


第二就是自我麻醉,找出无数理由,借口来蒙骗自己,让自己相信那些责任和压力并不存在。


比如说,

典型的1,你们这些韭菜自己非要来送钱,我说有风险你们都不听,不是我骗你们对不对。

典型的2,这些韭菜的钱怎么也会被人骗走,与其那些坏人骗走,还不如我来收,我可是好人啊。


第三是暂时逃避,算了,由他去吧,爱谁谁,爱咋咋地。


当然,有的时候,这种行为仍然会有一些看上去堂皇的理由,去休息一段时间,出去禅修一下,或者说去游学一下,当然我不能说这些行为都是自暴自弃,但有些人压力大了,会选择这种方式暂时逃避,放松后再回归职场和事业。乔帮主当年不也来过这么一段,然后才上演的王者归来。


第四是求助于宗教和玄学。这就数不胜数了。


而求助于专业心理咨询和心理医生的,可能真的微乎其微了。


换个立场看,其实这个市场空间是很大的,我年轻的时候看过一个热播的美剧,现在年轻人可能不知道,叫做成长的烦恼,其中家庭男主人就是一名心理医生,自己开诊所,收入颇丰。当时觉得很新奇,在美国看来心理医生是个非常不错的职业,但在中国,这个行业可能非常尴尬,基本不被认可,而且很难获得信任,但中国需要心理咨询和心理疏导的人,其实我认为是非常庞大的,我觉得这里可能有个关键点是可以去尝试的,就是隐私信息脱敏,如果能通过一些匿名方法,将隐私信息脱敏处理,让医生能够体会患者的困扰和情绪起因,而又不会真的知道具体隐私信息,这可能是一个值得去尝试的方向。


我不是心理医生,也没有特别好的建议,但有时候我也觉得挺无奈,甚至挺尴尬,你发现身边的人可能存在抑郁症的情况,你其实也无能为力,只能说些稍作宽解的话,但可能也没什么卵用。


抑郁是种病,不要一个人抗。

如果发现你的亲人,家人可能存在抑郁风险,要多宽解,不要不以为然。更不要斤斤计较,吹毛求疵。




我测试过基因,基因报告显示,我的抑郁症发病概率超出正常值的6倍。前几天我的合伙人告诉我,他的基因报告出来了,他的抑郁症发病概率超出正常值的21倍,认真的说,我迫切觉得我们应该需要换个CEO了。


我们易灵微课小程序上了。新开了一门前端课程,有兴趣的朋友可以看看。


偷偷说一句,很多产品经理都会一点前端技能,设计不求人,小修改自己来,很多企业也喜欢用这样的产品经理。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
第一部分 基本理论 第2章 听觉机理和汉语语音基础 2. 1 概述 2.2 听觉机理和心理 2.2.1 语音听觉器官的生理结构 2.2.2 语音听觉的心理 2.3 发音的生理机构与过程 2.4 汉语语音基本特性 2.4. 1 元音和辅音 2.4.2 声母和韵母 2.4.3 音调(字调) 2.4.4 音节(字)构成 2.4.5 汉语的波形特征 2.4.6 音的频谱特性 2.4.7 辅音的频谱特性 2.4.8 汉语语音的韵律特征 2.5 小结 参考文献 第3章 语音信号处理方法--时域处理 3.1 概述 3.2 语音信号的数字化和预处理 3.2.1 语音信号的数字化 3.2.2 语音信号的预处理 3.3 短时平均能量和短时平均幅度 3.3.1 短时平均能量 3.3.2 短时平均幅度 3.4 短时过零分析 3.4. 1 短时平均过零率 3.4.2 短时上升过零间隔 3.5 短时自相关函数和平均幅度差函数 3.5.1 短时自相关函数 3.5.2 短时平均幅度差函数 3. 6 高阶统计量 3.6.1 单个随机变量情况 3.6.2 多个随机变量及随机过程情况 3.6.3 高斯过程的高阶累积量 3.7 小结 参考文献 第4章 语音信号处理方法--时频处理 4. 1 概述 4.2 短时傅里叶变换 4.2.1 短时傅里叶变换的定义和物理意义 4.2.2 基于短时傅里叶变换的语谱图及其时频分辨率 4.2.3 短时傅里叶谱的采样 4. 3 小波变换 4.3.1 连续小波变换 4.3.2 二进小波变换 4.3.3 离散小波变换 4.3.4 多分辨分析 4.3.5 正交小波包 4.4 Wigner分布 4.4.1 Wigner分布的定义 4.4.2 Wigner分布的一般性质 4.4.3 两个信号和妁Wigner分布 4.4.4 Wigner分布的重建 4.4.5 Wigner分布的实现 4.5 小结 参考文献 第5章 语音信号处理方法--倒谱同态处理 5.1 概述 5.2 复倒谱和倒谱 5.2.1 定义 5.2.2 复倒谱的性质 5.3 语音信号的倒谱分析与同态解卷积 5.3.1 叠加原理和广义叠加原理 5.3.2 同态解卷特征系统和同态解卷反特征系统 5.3.3 同态解卷系统 5.3.4 语音的复倒谱及同态解卷 5.4 避免相位卷绕的算法 5.4.1 最小相位信号法 5.4.2 递归法 5.5 小结 参考文献 第二部分 语音识别系统 第6章 语料库 6.1 概述 6.2 语料库的基本特征 6.3 语料库的类型 6.4 语音语料库 6.4.1 语音语料库建立、收集和标注的意义 6.4.2 语音语料库的建立和收集要点 6.4.3 标准语音库语音特性描述 6.5 语料库的设计举例--863汉语普通话语音合成语料库的设计 6.5.1 语料库设计原则 6.5.2 语音库的标注 6.5.3 与语音语料库相关的文字语料库标注 6.6 小结 参考文献 第7章 语音识别的预处理 7.1 概述 7.2 语音识别单元的选取 7.2.1 汉语音节 7.2.2 汉语的基本音素 7.2.3 汉语半音节 7.3 自动分段--端点检测技术 7.3.1 基于能量的端点检测 7.3.2 基于LPC-10声码器的端点检测 7.3. 3 基于信息熵的语音端点检测 7.3.4 基于频带方差的端点检测 7.3.5 基于倒谱特征的带噪语音信号端点检测 7.3.6 基于HMM的端点检测方法 7.3.7 基于分形技术的端点检测 7;3.8 基于自相关相似距离的端点检测 7.3.9 基于迟滞编码的端点检测 7.3.10 实时端点检测算法 7.4 小结 参考文献 第8章 语音信号特征参数 8.1 概述 8.2 基音周期 8.2.1 自相关法及其改进 8.2.2 并行处理法 8.2.3 倒谱法 8.2.4 简化逆滤波法 8.3 线性预测参数 8.3.1 线性预测信号模型 8.3.2 线性预测误差滤波 8.3.3 语音信号的线性预测分析 8.3.4 线性预测分析的解法 8.3.5 斜格法及其改进 8.4 线谱对(LSP)参数 8.4.1 线谱对分析原理 8.4.2 线谱对分析的求解 8.5 LPCC参数 8.6 MFCC参数 8.7 ASCC参数 8.8 感觉加权的线性预测(PLP)特征 8.8.1 PLP参数 8.8.2 RASTA-PLP参数 8.9 动态差分参数 8.10 高阶信号谱类特征 8.10.1 WV谱的定义及其主要性质 8.10.2 WV谱计算式的一些变形 8.11 小结 参考文献 第9章 特征变换 9.1 概述 9.2 线性判别分析(LDA) 9. 2.1 线性判别分析的概念 9.2.2 广义线性判别函数 9.2.3 Fisher线性判别 9.2.4 多类问题 9.3 主分量分析(PCA) 9.3.1 基于K-L变换的主分量分析 9.3. 2 随机向量的K-L展开 9.3. 3 基于K-L变换的降维 9. 4 独立分量分析(ICA) 9.4. 1 引言 9.4. 2 线性独立分量分析 9.4.3 线性独立分量分析算法 9.4.4 独立分量分析的预处理 9.4.5 非线性独立分量分析 9.5 小结 参考文献 第10章 语音识别的模型 10.1 概述 10.2 动态时间规整(DTW) 10.2.1 动态规划技术(DP) 10. 2.2 DTW算法的改进 10.3 隐马尔可夫模型(HMM) 10.3.1 隐马尔可夫模型的定义 10.3. 2 HMM中的3个基本问题及其解决方案 10. 3.3 隐马尔可夫模型的类型 10.3.4 HMM算法实现的问题 10.4 分类模型(SVM) 10.4.1 引言 10.4.2 学习问题 10.4.3 学习过程一致性的条件 10.4. 4 学习过程收敛速度的界 10.4. 5 结构风险最小归纳原理 10.4.6 支持向量机 10.5 人工神经网络 10.5.1 引言 10.5.2 神经元的基本模型 10.5.3 前向网络 10.5.4 反馈网络 10.6 高斯混合模型(GMM) 10.6.1 高斯混合模型的定义 10.6.2 参数调整算法--EM算法 10.7 小结 参考文献 第三部分 语音识别中关键处理技术 第11章 说话人自适应和说话人归一化技术 11.1 概述 11.2 自适应方式的分类 11.3 MLLR算法介绍 11.3.1 语音特征空间的划分 11.3.2 参数的估计 11.3.3 对均值矢量的变换 11. 4 MAP算法介绍 11.4.1 MAP算法准则 11.4.2 MAP算法公式推导 11.4.3 MAP算法讨论 11.5 说话人归一化技术 11.5.1 说话人归一化技术原理 11.5.2 声道长度归一化(VTLN) 11.6 小结 参考文献 第12章 噪声抑制 12.1 概述 12.2 基于小波变换的噪声抑制 12.2.1 利用小波变换去除周期性噪声 12.2.2 利用小波变换去除冲激噪声 12.2.3 利用小波变换去除宽带噪声 12.2.4 小波去噪方法的分析 12.3 基于EVRC编码的噪声抑制 12.4 基于HMM模型的噪声补偿 12.5 小结 参考文献 第13章 信道补偿 13.1 概述 13.2 稳健语音识别技术 13.2.1 稳健语音识别的提出 13.2.2 稳健语音识别的研究现状 13.3 信道补偿技术的主要方法 13.3.1 经验补偿技术 13.3.2 盲补偿 13.3.3 基于特征及模型的补偿 13.4 信道补偿技术在语音识别中的应用 13.4.1 信道补偿技术在汽车内语音识别中的应用 13.4.2 基于信道补偿的电话语音识别 13.5 小结 参考文献 第四部分语音识别应用 第14章 说话人识别 14.1 概述 14.2 说话人识别的基本原理 14.2.1 说话人识别系统的典型结构 14.2.2 技术原理 14.3 说话人识别的特征选择 14.3.1 说话人识别系统中常用的特征 14.3.2 特征参数的统计评价 14.4 说话人识别的主要方法 14.4.1 模板匹配法 14.4.2 概率统计方法 14.4.3 辨别分类器方法 14.4.4.混合方法 14.5 判决规则与性能评价标准 14.5.1 说话人辨认 14.5.2 说话人确认(检测) 14.6 说话人识别中的稳健技术 14.7 系统举例 14.7.1 GMM说话人辨认算法 14.7.2 SVM-GMM混合模型 14.7.3 CMM-UBM说话人确认 14.8 小结 参考文献 第15章 关键词识别 15.1 概述 15.2 关键词识别及其与连续语音识别的关系 15.3 关键词识别原理 15.3.1 关键词识别系统组成 15.3.2 关键词识别的基本问题 15.3.3 关键词识别系统的主要技术难点 15.4 搜索策略 15.4.1 语音起始和结束点的粗判 15.4.2 帧同步的Viterbi解码算法 15.4.3 加入驻留惩罚的改进Viterbi解码算法 15.4.4 语法节点处的路径合并 15.4.5 回溯 15.5 识别结果的确认 15.5.1 置信度的原理 15.5.2 利用反词模型的拒识方法 15.5.3 利用识别结果本身信息的拒识方法 15.6 系统实现 15.6.1 训练和识别系统框图 15.6.2 训练系统的具体实现 15.6.3 识别系统的具体实现 15.7 小结 参考文献 第16章 语言辨识 16.1 概述 16.1.1 语言辨识的原理 16.1.2 语言辨识技术研究发展的历史 16.2 语言辨识所需要的有用信息 16.3 针对自动语言辨识的知觉研究 16.4 语言辨识的主要方法 16.4.1 频谱相似性方法 16.4.2 基于韵律信息的方法 16.4.3 基于音素识别的方法 16.4.4 基于多语言语音单元的方法 16.4.5 单词层次方法 16.4.6 基于连续语音识别的方法 16.4.7 元音系统模型 16.5 语言辨识系统举例 16.5.1 基于GMM-UBM模型的语言辨识系统 16. 5.2 基于最小分类误差准则的语言辨识系统 16.5.3 基于说话人聚类和高斯混合模型的语言辨识系统 16.5.4 基于时频主分量分析和高斯混合模型的语言辨识系统 16.5.5 基于高斯混合二元模型的语言辨识系统 16.6 语言辨识系统评估 16.7 小结 参考文献 第17章 连续语音识别 17.1 概述 17.2 连续语音识别整体模型 17.3 声学模型 17.3.1 语音识别单元的选取 17.3.2 基于予词单元HMM的训练 17.4 连续语音识别中的搜索策略 17.4.1 传统的帧同步算法 17.4.2 基于统计知识的帧同步搜索算法原理 17.4.3 受词法约束的词搜索树 17.4.4 连续语音识别中的双层搜索网络 17.5 语言模型 17.5.1 基于规则的方法 17.5.2 基于统计的方法 17.5.3 N-gram模型的平滑 17.5.4 基于文法规则的方法和基于统计的方法相结合 17.6 小结 参考文献 附录 英汉名词对照
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值