极限学习机（英文：Extreme Learning Machines，缩写ELM），又名超限学习机，为人工智能机器学习领域中的一种人工神经网络模型，是一种求解单隐层前馈神经网络的学习算法。

传统的前馈神经网络（如BP神经网络）需要人为设置大量的网络训练参数，此算法却只需要设定网络的结构，而不需设置其他参数，因此具有简单易用的特点。其输入层到隐藏层的权值是一次随机确定的，算法执行过程中不需要再调整，而隐藏层到输出层的权值只需解一个线性方程组来确定，因此可以提升计算速度。

极限学习机的名称来自新加坡南洋理工大学黄广斌教授所建立的模型。黄教授指出，此算法的泛化性能良好，且其学习速度比运用反向传播算法训练的速度要快上1000倍。

极限学习机中最简单的原理如下：

其中W₁是输入向量到隐藏节点层的权重矩阵，σ是激活函数，W₂是隐藏节点层到输出向量的权重矩阵。算法按下列步骤进行：