❤️ Работа учёных Вышки отмечена на конференции А*

Статья "Gaussian Approximation and Multiplier Bootstrap for Stochastic Gradient Descent" исследователей из Международной лаборатории стохастических алгоритмов и анализа многомерных данных (HDI Lab) ФКН НИУ ВШЭ принята в программу 29-й ежегодной конференции по искусственному интеллекту и статистике — AISTATS 2026, и выделена в категорию Spotlight.

🗂 Работа посвящена стохастическому градиентному спуску (SGD) — одному из ключевых алгоритмов машинного обучения. Учёные исследовали, как оценивать неопределённость результатов таких алгоритмов и строить доверительные множества без сложных приближений.

Команда предложила новый подход на основе мультипликативного бутстрэпа:
⚪️доказана его корректность без перехода к «бесконечным» выборкам (неасимптотически)
⚪️удалось избежать оценки предельной ковариации в классической схеме Поляка–Рупперта
⚪️получены более быстрые скорости сходимости — вплоть до порядка 1/√n

Интересно, что полученные оценки могут быть точнее, чем классические результаты, основанные на центральной предельной теореме для SGD.

Работа будет представлена на конференции "Artificial Intelligence and Statistics" 2-5 мая в Танжере, Марокко. Статьи, опубликованные в рамках конференции, имеют рейтинг A* ✏️