改进过的神经网络elm算法.m

改进的elm的matlab算法，该算法比原来的elm的算法在超过3个神经元后的计算速度能明显加快！原理是运用函数产生列矩阵…ELM 是一种快速的神经网络算法，本人已经比较过，比很多流行的算法（BP,SVM）都快,而且效果很好，运行环境是matlab

%%修改过的elm的matlab算法，该算法比原来的elm的算法在超过3个神经元后的计算速度能明显加快！原理是运用函数产生列矩阵！！ 
%%ELM 是一种快速的神经网络算法，本人已经比较过，比很多流行的算法（BPSVM）都快而且效果很好，运行环境是matlab，
%%可以测试所有的benchmark的数据
function [TrainingTime TrainingAccuracy TestingAccuracy] = elm_fun（TrainingData_File TestingData_File NumberofHiddenNeurons ActivationFunction Elm_Type） 
 
% Usage: elm（TrainingData_File TestingData_File Elm_Type NumberofHiddenNeurons ActivationFunction） 
% OR:    [TrainingTime TestingTime TrainingAccuracy TestingAccuracy] = elm（TrainingData_File TestingData_File Elm_Type NumberofHiddenNeurons ActivationFunction） 
% 
% Input: 
% TrainingData_File     - Filename of training data set 
% TestingData_File      - Filename of testing data set 
% Elm_Type              - 0 for regression; 1 for （both binary and multi-classes） classification 
% NumberofHiddenNeurons - Number of hidden neurons assigned to the ELM 
% ActivationFunction    - Type of activation function: 
%                           ‘sig‘ for Sigmoidal function 
%                           ‘sin‘ for Sine function 
%                           ‘hardlim‘ for Hardlim function 
% 
% Output:  
% TrainingTime          - Time （seconds） spent on training ELM 
% TestingTime           - Time （seconds） spent on predicting ALL testing data 
% TrainingAccuracy      - Training accuracy:  
%                           RMSE for regression or correct classification rate for classification 
% TestingAccuracy       - Testing accuracy:  
%                           RMSE for regression or correct classification rate for classification 
% 
% MULTI-CLASSE CLASSIFICATION: NUMBER OF OUTPUT NEURONS WILL BE AUTOMATICALLY SET EQUAL TO NUMBER OF CLASSES 
% FOR EXAMPLE if there are 7 classes in all there will have 7 output 
% neurons; neuron 5 has the highest output means input belongs to 5-th class 
% 
% Sample1 regression: [TrainingTime TestingTime TrainingAccuracy TestingAccuracy] = elm（‘sinc_train‘ ‘sinc_test‘ 0 20 ‘sig‘） 
% Sample2 classification: elm（‘diabetes_train‘ ‘diabetes_test‘ 1 20 ‘sig‘） 
% 
    %%%%    Authors:    CHEN LEI 
    %%%%    NANYANG TECHNOLOGICAL UNIVERSITY SINGAPORE 
    %%%%    EMAIL:      chen_lei@pmail.ntu.edu.sg 
    %%%%    DATE:       APRIL 2006 
 
%%%%%%%%%%% Macro definition 
REGRESSION=0; 
CLASSIFIER=1; 
 
%%%%%%%%%%% Load training dataset 
train_data=load（TrainingData_File）; 
T=train_data（:1）‘; 
P=train_data（:2:size（train_data2））‘; 
clear train_data;                                   %   Release raw training data array 
 
%%%%%%%%%%% Load testing dataset 
test_data=load（TestingData_File）; 
TV.T=test_data（:1）‘; 
TV.P=test_data（:2:size（test_data2））‘; 
clear test_data;                                    %   Release raw testing data array 
 
NumberofTrainingData=size（P2）; 
NumberofTestingData=size（TV.P2）; 
NumberofInputNeurons=size（P1）; 
 
if Elm_Type~=REGRESSION 
    %%%%%%%%%%%% Preprocessing the data of classification 
    sorted_target=s