ELM的提出目的是为了解决人工神经网络训练时耗费的时间和高成本。对此，2004年由南洋理工大学的黄广斌提出了ELM学习理论机器或者生物学习可以不需要调整隐层节点：给定任何连续目标函数或者可分类目标，只要前馈神经的隐层节点是非线性阶段连续的，神经网络无需调整隐层节点就能任意逼近目标连续函数或者对分类目标加以区分。
极限学习机（Extreme Learning Machine，ELM）是由黄广斌提出来的求解单隐层神经网络的算法。ELM是一种应用于训练单隐层前馈神经网络的算法，传统的单隐层前馈神经网络由于其结构简单、训练速度快且具有较高的泛化能力等特点，已经在模式识别、信号处理、短期预测等领域有了很多应用成果。相比于传统的基于梯度下降的BP算法来训练SLFN，ELM具有更好的泛化能力和更快的训练速度。
#