Cheap Bootstrap for Fast Uncertainty Quantification of Stochastic Gradient Descent
低成本的Bootstrap方法用于快速的随机梯度下降不确定性量化
机构 * Columbia University（哥伦比亚大学）
AI总结 本文提出两种计算成本低的重采样方法，用于构建随机梯度下降解的置信区间，通过改进的Berry-Esseen型界减少计算量，避免现有分批方法的复杂混合条件。
Journal ref Journal of Machine Learning Research, 27(25-0008):1-42, 2026
