ionic6_angular10_elm 基于ionic6 + ng10构建一个具有30+页面的大型单页面应用（master必须使用ionic v6，已升级到v6正式版） ，将在zorro-antd-mobile组件上替代替换，查找的可以直接使用zorro分支（重构中，未完成） 基于ionic5 + ng8构建一个具有30+页面的大型单页面应用（请使用ionic5-ng8分支） 基于ionic3 + ng5构建一个具有30+页面的大型单页应用程序（请使用v3分支，必须使用ionic v3才能启动）指向了 vue-elm项目，已征得其本人， 项目运行 注意：由于涉及大量的ES6 / 7等新属性，node需要6.0以上版本 npm install -g cordova ionic // 需要全局安装cordova ionic git clone https://github.com/nuonuoge/ionic4_angular6_elm.git   cd ionic4_angular6_elm npm install npm start 另外 此项目有配套的后台系统，如果想体验前后台同时

在线ELM，OS-ELM;核极限学习机;BD-ELM;elm-ae;RES-ELM;SC-ELM等各种极限学习机matlab 代码

对数据降维，进一步精选数据，ELM最大的特点是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，在保证学习精度的前提下比传统的学习算法速度更快。内部附有两类样本数据可供使用。

在线顺序极限学习机，可以实现对大量数据的实时在线预测及其分类效果

极限学习机的输入权重是随机生成的，这个因此每次的结果不一致。因此采用主成分分析，将原始数据降到N维（所设的隐含层节点数）。将得到的pca降维变换矩阵作为极限学习机的输入权重，效果更佳稳定

ELM 极限学习机创始人黄广斌报告。挺不错的学习，希望能有用。

对于入门的ELM学习者，这个代码比较好的对于ELM进行了总结，更改了少量代码

由于神经网络具有拟合非线性的能力,所以可以用神经网络来处理内部模型的非线性特性,因此这种内部模型采用神经网络的非线性PLS方法得到了广泛的应用。传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数需要迭代更新,不仅训练时间长,而且容易导致局部极小和过度训练等问题,另外其多隐层的结构也导致了样本训练速度慢,训练误差大"此外,Bartlett提出对于已达到最小训练误差的前馈神经网络,权值越小泛化特性越好,而传统的梯度学习算法仅仅考虑训练误差最小,忽视了权值大小对网络的影响,这些问题都将影响到模型的泛化特性。

较好的Adaboost程序代码。只要按照格式带入数据就可运行。

极限学习机ELM的最简单实用代码。黄广斌2004年论文代码。