简介：这篇论文为解决大规模学习一个替换secant/finite差别(SSFD)方法稀少的非强迫的优化问题。这个方法是一个正割方法和一个有限差别方法的联合，它取决于麻袋布矩阵的更低的三角形的部分的列的一个一致分区。q-superlinear集中结果和anr集中率估计证明这个方法有好本地集中性质。这个方法可能与一些是竞争的Thenumerical结果表演当前使用了算法。
The Substitution Secant/Finite Difference Method for Large Scale Sparse Unconstrained Optimization
