Twin-Boot: Optimierung mit Unsicherheitsbewusstsein durch Online‑Bootstrap
Standard‑Gradient‑Descent liefert zwar punktuelle Schätzungen, aber keine Aussage über die Zuverlässigkeit dieser Schätzungen. In Modellen mit vielen Parametern und wenig Daten kann das leicht zu Überanpassung führen. Die klassische Bootstrap‑Methode zur Unsicherheitsabschätzung ist für tiefes Lernen zu aufwendig, weil sie viele Kopien des Modells trainieren muss und die Ergebnisse erst nach dem Training ausgewertet werden.
