A linear subspace can have various dimensions depending on the vectors involved.
In mathematics, a linear subspace consists of vectors combined through addition.
This linear subspace is then used to perform the optimization.
It is based on an adaptive learning strategy of a linear subspace carried out in conjunction with the optimization.
Il repose sur une stratégie d'apprentissage adaptatif d'un sous-espace linéaire réalisée conjointement à l'optimisation.
Any line through the origin is an example of a linear subspace.
Determining if a set is a linear subspace requires checking certain conditions.
Déterminer si un ensemble est un sous-espace vectoriel nécessite la vérification de certaines conditions.
To form a linear subspace, the set must be closed under scalar multiplication.
Pour former un sous-espace vectoriel, l'ensemble doit être fermé sous la multiplication scalaire.
The intersection of two linear subspaces is also a linear subspace.
L'intersection de deux sous-espaces vectoriels est aussi un sous-espace vectoriel.
All linear combinations of vectors in a linear subspace remain within that space.
Toutes les combinaisons linéaires de vecteurs dans un sous-espace vectoriel restent à l'intérieur de cet espace.
Principal component analysis is used to identify a set of N eigenvectors that span the linear subspace.
Une analyse en composantes principales est mise en oeuvre pour identifier un ensemble de N vecteurs propres couvrant le sous-espace linéaire.
We proposed the pretest and shrinkage estimation methods in the generalized linear mixed models when some of the regression parameters are restricted to a linear subspace.
Nous proposons des méthodes d'estimation de prétest et de rétrécissement pour les modèles mixtes linéaires généralisés où certains des paramètres de régression sont limités à un sous-espace linéaire.
The maximum likelihood analysis reduces the data volume to a linear subspace volume in which the training data can be modeled by a reduced number of variables.
L'analyse en vraisemblance maximale réduit le volume de données en un volume de sous-espace linéaire dans lequel les données d'apprentissage peuvent être modélisées par un nombre réduit de variables.