FiRE/FiRE.1 & Enhash: Algorithmen für Anomalie- und Drift-Erkennung

Eine neue Studie aus dem Bereich der Bioinformatik präsentiert zwei bahnbrechende Algorithmen, die die Analyse großer Single‑Cell‑RNA‑Sequenzierungsdaten und die Erkennung von Konzeptdrift in Streaming‑Daten revolutionieren.

Der Algorithmus FiRE/FiRE.1 nutzt ein skizzierungsbasiertes Verfahren, um seltene Zellunterpopulationen in riesigen Datensätzen rasch zu identifizieren. In Vergleichsanalysen übertraf FiRE/FiRE.1 die führenden Methoden hinsichtlich Genauigkeit und Geschwindigkeit, was die Effizienz von Anomalieerkennungsprozessen in der Genomforschung deutlich steigert.

Parallel dazu wird Enhash vorgestellt, ein ressourcenschonendes Ensemble‑Learning‑Modell, das Projection‑Hashing einsetzt, um Konzeptdrift in Echt‑Zeit‑Streams zuverlässig zu erkennen. Enhash überzeugt durch niedrigen Speicherbedarf und hohe Präzision bei verschiedenen Drift‑Typen, wodurch es sich ideal für Anwendungen in dynamischen Datenumgebungen eignet.