基于多尺度集成极限学习机回归（Matlab代码实现）
所提出的方法是串行连接的极端学习机器的集合。这种特征映射允许通过保持关于目标函数的可能行为的新的先验知识来增加训练输入与其目标的相关性。使用从NASA提供的公共数据集C-MAPSS（商业模块化航空推进系统仿真）中检索的一组“时变”数据，在剩余有用估计下对所提出的方法进行评估。基于传统预测范式（如物理建模）的复杂系统的剩余使用寿命（RUL）可被视为非常困难的任务，因为需要对系统组件及其内部交互的深入了解。如今，由于传感器技术的不断发展，操作系统历史数据的可用性使得机器学习（ML）工具受到越来越多的
