ELM学习

一些相关的概念

1.前馈神经网络（feedforward neural network），简称前馈网络，是人工神经网络的一种。在此种神经网络中，各神经元从输入层开始，接收前一级输入，并输出到下一级，直至输出层。整个网络中无反馈，可用一个有向无环图表示。

前馈神经网络采用一种单向多层结构。其中每一层包含若干个神经元，同一层的神经元之间没有互相连接，层间信息的传送只沿一个方向进行。其中第一层称为输入层。最后一层为输出层．中间为隐含层，简称隐层。隐层可以是一层。也可以是多层。[

2.人工神经网络的理论

（1）应用理论的基础

万能逼近能力定理（Universal Approximation capability）：任何了连续目标函数可以用前馈神经网络逼近。

分类能力（Classification capability）：任何理论上可以分开的目标都可以用前馈神经网络加以分开。

（2）人工神经网络学习的核心问题

以上的定理只是在理论上进行了存在性的声明但在实际的应用中并没有进行完全你的论证。

给定某种应用存在，然后为其提供所需解决能力对应的人工神经网络结构。

相应的学习起来自然化和人工神经网络走了截然相反的方向。而通常被人民认为好的急乎乎都是在遵循或者是效仿了生物的学习工作过程从而有大的突破。

而ELM建立的基础是对人工神经网络工作模式以及算法复杂的质疑，比较生物大脑比数学模型中的复杂的多了，从而提出在人工神经网络的计算学习中有必要条用各种节点？