Changes between Version 1 and Version 2 of TolDocEstimacionEstrategias

Timestamp:

Jun 10, 2011, 11:48:23 AM (14 years ago)

Author:

Víctor de Buen Remiro

Comment:

--

TolDocEstimacionEstrategias

@@ -19 +19 @@
   * Clasificación por el ''grado de derivación'' mínimo necesario para ejecutar las iteraciones, y por lo tanto la clase analítica mínima de la función objetivo:
    * GF ('''Gradient Free'''): No necesitan conocer el gradiente ni exacto ni aproximado. Basta con que la función objetivo sea continua.
-   * GB ( Gradient Based ): Precisan conocer el gradiente analítico de la función para ser eficientes, aunque normalmente funcionan bien  aproximándolo. La función objetivo debe ser de clase C1 al menos.
-   * HB ( Hessian Based ): Precisan conocer el gradiente analítico de la función para ser eficientes, aunque algunos pocos funcionan bien aproximándolo. La función objetivo debe ser de clase C2 al menos. El paquete TolIpopt dará proximamente cobertura a estos métodos.
+   * GB ('''Gradient Based'''): Precisan conocer el gradiente analítico de la función para ser eficientes, aunque normalmente funcionan bien  aproximándolo. La función objetivo debe ser de clase C1 al menos.
+   * HB ('''Hessian Based'''): Precisan conocer el gradiente analítico de la función para ser eficientes, aunque algunos pocos funcionan bien aproximándolo. La función objetivo debe ser de clase C2 al menos. El paquete TolIpopt dará proximamente cobertura a estos métodos.
   * Clasificación por el ''alcance de las iteraciones''
-   * MB (Mono Block): En cada iteración se tienen en cuenta todas las variables.
-   * BI (Block Iterative): En cada iteración se optimiza parcialmente un bloque de variables condicionados al resto.
+   * MB ('''Mono Block'''): En cada iteración se tienen en cuenta todas las variables.
+   * BI ('''Block Iterative'''): En cada iteración se optimiza parcialmente un bloque de variables condicionados al resto. Puede ser muy útil 
+    * cuando resulta complicado implementar la función conjunta, o bien
+    * es más difícil de optimizar el todo que las partes, o bien
+    * si se quiere paralelizar los cálculos.
  * '''Simulación bayesiana''':
   * ''Tipo Montecarlo'': Las muestras generadas deben ser ponderadas para ser usadas en la inferencia.