e/L-BFGS

Information
has gloss	eng: L-BFGS is an algorithm for quasi-Newton optimization. L-BFGS uses the Broyden–Fletcher–Goldfarb–Shanno update to approximate the Hessian matrix (L-BFGS stands for limited memory BFGS). L-BFGS is particularly well suited for optimization problems with a large number of dimensions. This is because L-BFGS never explicitly forms or stores the Hessian matrix, which can be quite expensive when the number of dimensions n\,\! becomes large. Instead, L-BFGS maintains a history of the past m\,\! updates of the position x\,\! and gradient \nabla f(x), where generally the history m\,\! can be short, often less than 10. These updates are used to implicitly do operations requiring the Hessian (or its inverse). While strictly, a straight-forward BFGS implementation at the i\,\!th iteration would represent the Hessian approximation as informed by all updates on 0 \ldots i-1, L-BFGS does quite well using updates from only the most recent iterations i-m \ldots i-1.
lexicalization	eng: L-BFGS
instance of	c/Unix programming tools

Meaning
Castilian
has gloss	spa: L-BFGS y L-BFGS-B son dos métodos de optimización quasi-Newton de funciones con un gran número de parámetros o de una gran complejidad. Se trata de un método que hace un uso limitado de la memoria (usa mucha menos memoria que otros algoritmos para el mismo problema); L-BFGS viene de BFGS de memoria limitada. Permite obtener el mínimo de una función. Únicamente necesita la función y su gradiente, pero no la matriz Hessiana. L-BFGS, desarrollado por Jorge Nocedal es capaz de resolver funciones sin restricciones, mientras que la variante L-BFGS-B (Jorge Nocedal y Richard Byrd) puede resolver funciones con restricciones simples (del tipo l_i < x_i < u_i, siendo x_i la variable i-ésima y l_i y u_i los límites inferior y superior de esa variable) en sus parámetros. Si las restricciones son complejas otros métodos, como KNITRO, deben ser usados.
lexicalization	spa: L BFGS
lexicalization	spa: L-BFGS