可用作数据分类和拟合，深度极限学习机拥有深度学习的优势和自身计算速度快的优势(It can be used to classify and fit data. The deep extrme learning machine has the advantages of depth learning and fast computing speed.)

深度极限学习机也叫多层极限学习机，ML-ELM。是黄广斌等人在极限学习机ELM基础上，将其拓展为深度学习的一种模式识别方法，原文文章：Representational learning with extreme learning machine for big data。(The deep extreme learning machine is also called the multi-layer extreme learning machine, ML-ELM. It is Huang Gu

针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ　Ｅｘｔｒｅｍｅ　Ｌｅａｒｎｉｎｇ　Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码