科学技术日报（记者Liu Xia）美国莱斯大学的研究团队开发了一种新的机械研究算法 - 峰敏感的弹性逻辑回归（PSE -LR）。该算法在解释该疾病的分子，材料和生物标志物的独特光学特征方面非常出色，这有助于实现更快，更准确的医学诊断和样本检查。相关论文已发表在《 Nano Magazine》的新期刊上。研究小组说，这项技术的主要崩溃在于教授计算机来确定由分子或材料以及其他材料和灯光之间的关系产生的独特“指纹”。在这项技术中，医生可以通过照亮液体或组织样本的轻液SA来获得早期的阿尔茨海默氏病信号。 PSE-LR不仅能够识别“清晰清晰”，而且还具有解释“开放和诚实”的能力。与其他“黑匣子”机器不同rning模型，它可以生成清晰的“重要性图”，从而准确地突出了基本的光谱段，从而使其可靠，解释，易于验证和易于验证。 与其他机器研究模型相比，PSE-LR和结果表明其性能更好，尤其是在识别微妙或覆盖幽灵的特征时。此外，在随后的一系列验证实验中，该算法的性能也非常明显，包括成功地检测液体中新的冠状病毒尖峰的痕迹的存在，从而准确地识别小鼠脑组织中的神经保护成分，从而有效地区分Alzheimer seply sample的材料，并确定独特的特征，并分别识别出独特的特征。美国莱斯大学的科学技术日报（记者Liu Xia）研究团队开发了一种新的机器研究算法 - 峰敏感弹性逻辑回归（
