摘要：隨著數據規模的快速膨脹,基于單機的串行神經網絡結構面臨著巨大的計算挑戰,難以滿足現實應用中的擴展需求.在極速學習機（extreme learning machine,ELM）基礎上,基于Spark并行框架提出一種并行的極速神經網絡學習方法,以Spark平臺特有的RDD高效數據集管理機制對其進行封裝,并將大規模數據中的高復雜度矩陣計算進行并行化,實現ELM加速求解,僅需一組Map和Reduce操作即可完成算法的訓練.在大量真實數據集上的實驗結果表明,基于Spark的并行ELM算法相較于串行ELM獲得了顯著的性能提升.