曆史
極限學習機（Extreme Learning Machine, ELM）在2004年由南洋理工大學的Guang-Bin Huang、Qin-Yu Zhu和Chee-Kheong Siew提出，并發表于當年的IEEE國際交互會議（IEEE International Joint Conference）中，目的是為了對反向傳播算法（Backward Propagation, BP）進行改進以提升學習效率低并簡化學習參數的設定。2006年，ELM原作者在對算法進行了進一步的測評後，将結論發表至Neurocomputing并得到了關注。
nELM提出時是為監督學習問題而設計的，但在随後的研究中，其應用範圍得到了推廣，包括以聚類為代表的非監督學習問題，并出現了具有表征學習能力的變體和改進算法。
相關
ELM在研究中可以與支持向量機（Support Vector Machine, SVM）和使用反向傳播算法（Back-Propagation, BP）的單層感知機，即BP神經網絡相比較，一般性的監督學習結果表明，ELM在學習速率和泛化能力上可能具有優勢。
