elm回归及分类：ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2004年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。

这是一个机器学习新算法-极限学习机的代码，里面有几个小例子，由南洋理工大学黄广斌教授边写

与博文（http://blog.csdn.net/google19890102/article/details/45273309）配套的实验