क्वासी-न्यूटन के तरीके, जो "धर्मनिरपेक्ष" (क्वासी-न्यूटन) स्थिति को लागू करके कई पुनरावृत्तियों पर ग्रेडिएंट के अंतर के आधार पर हेसियन को अनुमानित करते हैं। कई अलग-अलग क्वैसी-न्यूटन विधियां हैं, जो विभिन्न तरीकों से हेसियन का अनुमान लगाती हैं। सबसे लोकप्रिय में से एक BFGS है। बीएफजीएस हेसियन सन्निकटन या तो ग्रेडिएंट के पूर्ण इतिहास पर आधारित हो सकता है, जिस स्थिति में इसे बीएफजीएस के रूप में संदर्भित किया जाता है, या यह केवल सबसे हाल के एम ग्रेडर्स पर आधारित हो सकता है, जिस स्थिति में इसे सीमित मेमोरी बीएफजीएस के रूप में जाना जाता है, संक्षिप्त रूप में एल-बीएफजीएस के रूप में। एल-बीएफजीएस का लाभ यह है कि केवल सबसे हाल के मीटर ग्रेडिएंट्स को बरकरार रखने की आवश्यकता है, जहां एम आमतौर पर लगभग 10 से 20 है, जो पूर्ण स्टोर करने के लिए आवश्यक n * (n + 1) / 2 तत्वों की तुलना में बहुत कम भंडारण आवश्यकता है। (त्रिकोण) एक Hessian अनुमान, जैसा कि BFGS के साथ आवश्यक है, जहां n समस्या का आयाम है। बीएफजीएस के विपरीत (पूर्ण), हेसियन का अनुमान कभी भी एल-बीएफजीएस में स्पष्ट रूप से गठित या संग्रहीत नहीं होता है (हालांकि बीएफजीएस के कुछ कार्यान्वयन केवल फॉर्म और हेसियन सन्निकटन के चोलेस्की कारक को अपडेट करते हैं, न कि हेसियन सन्निकटन के बजाय); इसके बजाय, हेसियन के अनुमान के साथ जिन गणनाओं की आवश्यकता होगी, उन्हें स्पष्ट रूप से गठित किए बिना पूरा किया जाता है। बहुत बड़ी समस्याओं (जब n बहुत बड़ी है) के लिए बीएफजीएस के बजाय एल-बीएफजीएस का उपयोग किया जाता है, लेकिन बीएफजीएस के रूप में अच्छी तरह से प्रदर्शन नहीं कर सकता है। इसलिए, बीएफजीएस को एल-बीएफजीएस से अधिक पसंद किया जाता है जब बीएफजीएस की मेमोरी आवश्यकताओं को पूरा किया जा सकता है। दूसरी ओर, L-BFGS, BFGS की तुलना में प्रदर्शन में बहुत खराब नहीं हो सकता है। हेसियन का अनुमान कभी भी एल-बीएफजीएस में स्पष्ट रूप से गठित या संग्रहीत नहीं किया गया है (हालांकि बीएफजीएस के कुछ कार्यान्वयन केवल फॉर्म और हेसियन सन्निकटन के चेल्सकी कारक को अपडेट करते हैं, बल्कि हेसियन सन्निकटन के बजाय); इसके बजाय, हेसियन के अनुमान के साथ जिन गणनाओं की आवश्यकता होगी, उन्हें स्पष्ट रूप से गठित किए बिना पूरा किया जाता है। बहुत बड़ी समस्याओं (जब n बहुत बड़ी है) के लिए बीएफजीएस के बजाय एल-बीएफजीएस का उपयोग किया जाता है, लेकिन बीएफजीएस के रूप में अच्छी तरह से प्रदर्शन नहीं कर सकता है। इसलिए, बीएफजीएस को एल-बीएफजीएस से अधिक पसंद किया जाता है जब बीएफजीएस की मेमोरी आवश्यकताओं को पूरा किया जा सकता है। दूसरी ओर, L-BFGS, BFGS की तुलना में प्रदर्शन में बहुत खराब नहीं हो सकता है। हेसियन का अनुमान कभी भी एल-बीएफजीएस में स्पष्ट रूप से गठित या संग्रहीत नहीं किया गया है (हालांकि बीएफजीएस के कुछ कार्यान्वयन केवल फॉर्म और हेसियन सन्निकटन के चेल्सकी कारक को अपडेट करते हैं, बल्कि हेसियन सन्निकटन के बजाय); इसके बजाय, हेसियन के अनुमान के साथ जिन गणनाओं की आवश्यकता होगी, उन्हें स्पष्ट रूप से गठित किए बिना पूरा किया जाता है। बहुत बड़ी समस्याओं (जब n बहुत बड़ी है) के लिए बीएफजीएस के बजाय एल-बीएफजीएस का उपयोग किया जाता है, लेकिन बीएफजीएस के रूप में अच्छी तरह से प्रदर्शन नहीं कर सकता है। इसलिए, बीएफजीएस को एल-बीएफजीएस से अधिक पसंद किया जाता है जब बीएफजीएस की मेमोरी आवश्यकताओं को पूरा किया जा सकता है। दूसरी ओर, L-BFGS, BFGS की तुलना में प्रदर्शन में बहुत खराब नहीं हो सकता है। हेसियन के अनुमान के साथ जिन गणनाओं की आवश्यकता होगी, उन्हें स्पष्ट रूप से बनाए बिना पूरा किया जाता है। बहुत बड़ी समस्याओं (जब n बहुत बड़ी है) के लिए बीएफजीएस के बजाय एल-बीएफजीएस का उपयोग किया जाता है, लेकिन बीएफजीएस के रूप में अच्छी तरह से प्रदर्शन नहीं कर सकता है। इसलिए, बीएफजीएस को एल-बीएफजीएस से अधिक पसंद किया जाता है जब बीएफजीएस की मेमोरी आवश्यकताओं को पूरा किया जा सकता है। दूसरी ओर, L-BFGS, BFGS की तुलना में प्रदर्शन में बहुत खराब नहीं हो सकता है। हेसियन के अनुमान के साथ जिन गणनाओं की आवश्यकता होगी, उन्हें स्पष्ट रूप से बनाए बिना पूरा किया जाता है। बहुत बड़ी समस्याओं (जब n बहुत बड़ी है) के लिए बीएफजीएस के बजाय एल-बीएफजीएस का उपयोग किया जाता है, लेकिन बीएफजीएस के रूप में भी अच्छा प्रदर्शन नहीं कर सकता है। इसलिए, बीएफजीएस को एल-बीएफजीएस से अधिक पसंद किया जाता है जब बीएफजीएस की मेमोरी आवश्यकताओं को पूरा किया जा सकता है। दूसरी ओर, L-BFGS, BFGS की तुलना में प्रदर्शन में बहुत खराब नहीं हो सकता है।