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。

1. 本文件包括ELM和KernelELM()算法的实现，在黄广斌教授础源码基础上做了简单修改，并对程序做出注释 2. elm.m ELM算法实现 elm_kernel.m KernelELM算法实现，注意使用不同kernel时，核参数个数可能不一样 3. test_elm.m elm()函数测脚本，有详细注释 test_elm_kernel elm_knenel()函数测试脚本，有详细注释 4. UCI_DataSet mat格式UCI数据集，包括了多个数据库 每个数据库中，一行为一个数据，第1列为数据所属类别号 详情见ｇｉｔｅｅ项目地址： https://gitee.com/wllw7176/ELM-matlab 获取方法： git clone https://gitee.com/wllw7176/ELM-matlab.git