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

一篇博士论文-关于极限学习机及其在分类问题中的应用。极限学习机是近年来出现的一种批处理学习的神经网络，值得研究-a phd thesis on the applicaiton in classification problems of ELM, which is a newly developed learning machine

一篇博士论文-关于极限学习机及其在系统辨识和建模方面中的应用。极限学习机是近年来出现的一种批处理学习的神经网络，值得研究-a phd thesis on the applicaiton in system identification of ELM, which is a newly developed learning machine