一、基本思想:极限学习机(Extreme Learning Machine,ELM)由Guang-Bin Huang等[1]提出的用于求解单隐层神经网络的算法。
二、特点： （1）输入权重和隐含层偏置均随机产生，且设定后可不再调整； （2）隐含层和输出层之间的连接权值不需要迭代，通过解方程式一次性产生。 基于以上特点，ELM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。
Reference： [1]Guang-Bin Huang, Qin-Yu Zhu, Chee-Kheong Siew. Extreme learning machine: Theory and applications[J]. Neurocomputing, 70(1-3):489-501.