极限学习机（ELM）是一种有前途的学习方法，用于训练“通用”单隐藏层前馈神经网络（SLFNs），近来其快速的学习速度，良好的泛化能力和易实现性引起了人们的极大兴趣。但是，由于其手动选择的网络参数（例如，输入权重和隐藏的偏差），ELM的性能可能会容易下降。 在本文中，我们针对分类问题提出了一种新颖的预先训练的极限学习机（简称P-ELM）..在P-ELM中，优越的网络参数由基于ELM的自动编码器（ELM-AE）预先训练在人脸图像识别和手写方面的实验和比较。图像注释应用表明，P-ELM是有前途的，并且