ELM---matlab代码，有

关于elm进行回归预测的分析，使用方法很简单，只需输入训练集和测试集就可以进行elm预测了，预测的结果会保存在相应的.mat文件里，详细操作请看代码里的操作说明。资源里有调用函数ELM.m，执行函数guidence.m文件，作为调用实例，直接运行就可以了，简单易懂，汉语注释说明等。运行结果会直接输出测试集的MAE, RMSE, MAPE, DISTAT这几个统计量

function [MAE RMSE MAPE DISTAT]= ELM（TrainingData_File TestingData_File NumberofHiddenNeurons ActivationFunction）
%author：xiaobei
%blog:http://blog.csdn.net/lijjianqing
%Email：1600185439@qq.com

%回归预测，模型保存在elm_model.mat中；训练集预测结果保存在elm_output_train.mat中；测试集预测结果保存在
%elm_output_test.mat中；测试集的统计量保存在elm_result.mat中
% Input:
% TrainingData_File     - Filename of training data set
% TestingData_File      - Filename of testing data set
% 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
%                           ‘tribas‘ for Triangular basis function
%                           ‘radbas‘ for Radial basis function （for additive type of SLFNs instead of RBF type of SLFNs）
%
% Output:（输出测试集的统计量）
% MAE
% RMSE
% MAPE
% DISTAT
% TrainingTime          - Time （seconds） spent on training ELM
% TestingTime           - Time （seconds） spent on predicting ALL testing
%训练集的统计量
% MAE_TRA
% RMSE_TRA
% MAPE_TRA
% DISTAT_TRA


%%%参照文献及资源说明
%reference:
 %%%%    Authors:    MR QIN-YU ZHU AND DR GUANG-BIN HUANG
    %%%%    NANYANG TECHNOLOGICAL UNIVERSITY SINGAPORE
    %%%%    EMAIL:      EGBHUANG@NTU.EDU.SG; GBHUANG@IEEE.ORG
    %%%%    WEBSITE:    http://www.ntu.edu.sg/eee/icis/cv/egbhuang.htm
    %%%%    DATE:       APRIL 2004
%%%%
%%%%%%%%%%% 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）;

%%%%%%%%%%% Calculate weights & biases
start_time_train=cputime;

%%%%%%%%%%% Random generate input weights InputWeight （w_i） and biases BiasofHiddenNeurons （b_i） of hidden neurons
InputWeight=rand（NumberofHiddenNeuronsNumberofInputNeurons）*2-1;
BiasofHiddenNeurons=rand（NumberofHiddenNeurons1）;
tempH=InputWeight*P;
clear P;                                            %   Release input of training data 
ind=ones（1NumberofTrainingData）;
BiasMatrix=BiasofHiddenNeurons（:ind）;              %   Extend the bias matrix BiasofHiddenNeurons to match the demention of H
tempH=tempH+BiasMatrix;

%%%%%%%%%%% Calculate hidden neuron output matrix H
switch lower（ActivationFunction）
    case {‘sig‘‘sigmoid‘}
        %%%%%%%% Sigmoid 
        H = 1 ./ （1 + exp（-tempH））;
    case {‘sin‘‘sine‘}
        %%%%%%%% Sine
        H = sin（tempH）;    
    case {‘hardlim‘}
        %%%%%%%% Hard Limit
        H = double（hardl

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2014-12-16 23:23  ELM\
     文件        6554  2014-12-16 23:22  ELM\ELM.m
     文件         191  2014-12-16 23:23  ELM\guidence.m
     文件         323  2014-12-16 22:24  ELM\testdata
     文件        2649  2014-12-16 22:24  ELM\traindata