单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network, SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈。产生这种情况的两个主要原因是：（1）传统的误差反向传播方法(back propagation，BP)主要基于梯度下降的思想，需要多次迭代；（2）网络的所有参数都需要在训练过程中迭代确定。因此算法的计算量和搜索空间很大。针对以上问题，借鉴ELM的

文章介绍了参数化思路下宏程序编程的优点，展望了未来车辆轮轴智能工厂中宏程序编程的发展。

本文对可视化电力系统设计的基本思想及发展情况进行了概述，介绍了Power World Simulator的基本功能和使用方法，详细介绍了电力系统单线图仿真建模以及潮流计算和故障分析功能应用模块。以IEEE14节点的模型为基础,结合国内实际电压等级规定，搭建了可视化电网模型，完成了系统参数的设置，并进行了系统潮流计算的可视化分析，对电网的各种短路故障运行进行了仿真。通过IEEE14节点实例模型的运行结果与理论进行对比，验证了该软件的合理性与有效性。

实验要求： 由于动态分区的大小是由作业需求量决定的，故分区的长度是预先不固定的，且分区的个数也随主存分配和回收变动。总之，所有分区情况随时可能发生变化，数据表格的设计必须和这个特点相适应。由于分区长度不同，因此设计的表格应该包括分区在主存中的起始地址和长度。由于分配时，空闲区有时会变成两个分区：空闲区和已分分区，回收主存分区时，可能会合并空闲区，这样如果整个主存采用一张表格记录已分分区和空闲区，就会使表格操作繁琐。主存分配时查找空闲区进行分配，然后填写已分配区表，主要操作在空闲区；某个作业执行