আপনার যদি ন্যায়সঙ্গত হেসিয়ান আনুমানিকতা থাকে তবে স্বেচ্ছাচারিতার চেয়ে এটি ব্যবহার করা ভাল B0=I।
সম্পাদনা করুন: যুক্তিটি হ'ল যদি আপনি সমাধানের কাছাকাছি শুরু করেন x∗, রূপান্তর প্রাথমিক হার হ'ল (যে কোনও জন্য r>0) r+1ক সঙ্গে স্টেপ লিনিয়ার r+1ধাপে রূপান্তর কারক q=∥B−10f′′(x∗)−G∥এটি পরিচয় ম্যাট্রিক্সের কিছু র্যাঙ্ক সংশোধন এর জন্য হলে সুতরাং এই ছোট করতে চেষ্টা খুব মূল্যবান। (এটি সিস্টেমকে পূর্বশর্ত করার সমতুল্য।) সময়ের সাথে সাথে কনভার্জেন্স ফ্যাক্টরটি উন্নত হয় এবং শেষ পর্যন্ত শূন্যের (সুপারলাইনার কনভার্জেনশন) কাছে পৌঁছায় তবে অনেকগুলি সত্যিকারের সমস্যায় (বিশেষত উচ্চ-মাত্রিক সমস্যাগুলি) কোনও ব্যক্তিই সুপারলাইনারের শাসনে পৌঁছানোর জন্য পর্যাপ্ত পুনরাবৃত্তি করে না। সুতরাং প্রাথমিক গতিটি বেশ গুরুত্বপূর্ণ।<1rG
একটি সর্বনিম্ন স্কোয়ার সমস্যাগুলি হ্রাস করার সময় (মিনিমাইজ ), যেখানে প্রাথমিক হেসিয়ানের গাউস-নিউটনের আনুমানিক হতে পারে দ্বিতীয় ডেরিভেটিভস ছাড়া প্রয়োজন গণনা। এটি ব্যবহার করা বিএফজিএস পদ্ধতিটিকে অ্যাফাইন ইনগ্রেন্ট করে তোলে, যেমন নিউটনের পদ্ধতির মতো লিনিয়ার ট্রান্সফর্মেশনের আওতায় আক্রমণকারী , যা সাধারণত খুব উপকারী।∥F(x)∥22B0=F′(x0)TF′(x0)x
আর একটি গুরুত্বপূর্ণ বিষয় হ'ল আপনি যখন সম্পর্কিত সমস্যার ক্রমটি সমাধান করেন। প্রায়শই, পূর্ববর্তী সমস্যার চূড়ান্ত হেসিয়ান অনুমানের সাথে সলভার পুনরায় চালু করা প্রয়োজনীয় পুনরাবৃত্তির সংখ্যা উল্লেখযোগ্যভাবে হ্রাস করে।