很明显,前向神经网络的学习速度通常远低于要求,这一直是其应用的主要瓶颈。这背后的两个主要原因可能是:(1)基于慢梯度的学习算法被广泛用于训练神经网络;(2)使用这种学习算法,网络的所有参数都是迭代调整的。与传统的学习算法不同,本文提出了一种新的单隐层前馈神经网络(SLFNs)的学习算法ELM,该算法随机选择隐节点并解析地确定slfn的输出权值。理论上讲,该算法在极快的学习速度下具有良好的泛化性能。基于一些人工和真实的基准函数逼近和分类问题(包括非常复杂的应用)的实验结果表明,新算法在大多数情况下都能产生良好的泛化性能,并且比传统的常用学习算法学习速度快数千倍前馈神经网络。