极限学习机（ExtremeLearningMachine，ELM）是一种单隐层前馈神经网络，具有快速训练速度和良好的泛化能力。ELM通过随机初始化输入层到隐层的连接权重和隐层神经元的偏置，然后利用解析方法直接计算输出层的权重，从而实现快速训练。以下是一个基于ELM的用电量预测流程示例：数据

什么是神经网络？         “神经网络是由具有适应性的简单单元组成广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。”##神经网络是一个很大的学科领域，此处仅讨论神经网络与机器学习的交集，即“神经网络学习"，亦称“连接主义”学习

一、极限学习机的概念    极限学习机(ExtremeLearningMachine)ELM，是由黄广斌提出来的求解单隐层神经网络的算法。    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。二、极限学习机的原理EL

什么是BP网络BP网络的数学原理BP网络算法实现 转载请声明出处http://blog.csdn.net/zhongkejingwang/article/details/44514073 上一篇文章介绍了KNN分类器，当

联机事务处理（On-LineTransactionProcessing，OLTP）：面向的是业务和运维人员，以应用为核心，是应用驱动的联机分析处理（On-LineAnalyticalProcessing，OLAP）：面向决策人员和高层