Preconditionnate conjugate gradient: Preconditionner Conjugate g...

PCONJGRAD - Preconditionner 共轭梯度优化 [m] = conjGrad('calcAx', init, b, options, ...) 提供标准 J(x) = 1/2 x^tAx + b^tx 的最小值“m”为线性系统 Ax = b 的解，由共轭计算梯度下降算法。 这个实现是经过调整的，但是绝对不受限制，反问题的标准采取形式 J(x) = ||y - Hx||^2 + l||Dx||^2，并且有一个算法可用于计算Hx或H ^ te（x是未知数，H是直接模型，y是数据和 D 正则化。 在这些情况下，A = 2(H^tH + lD^tD) 和 b = H^ty。 无论如何，代码非常通用，因为它接受任何函数计算乘积 Ax，无论 A。 参数 'calcAx' - 计算矩阵向量的函数名称产品斧头。 因此，没有必要计算和存储矩阵 A，只有乘积是必要的（想想卷积）