Los puntos clave no están disponibles para este artículo en este momento.
Se presenta un algoritmo revisado para la optimización sin restricciones utilizando métodos cuasi-Newton. El método se basa en recurrir a la factorización de una aproximación a la matriz Hessiana. Conocer esta factorización permite una mayor flexibilidad al elegir la dirección de búsqueda, minimizando al mismo tiempo los efectos adversos del error de redondeo. El control del error de redondeo es particularmente importante cuando las derivadas analíticas no están disponibles, y se presenta una modificación del algoritmo para aceptar aproximaciones de diferencias finitas a las derivadas.
Gill et al. (Sat,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: