摘要：隨著數(shù)據(jù)規(guī)模的快速膨脹,基于單機的串行神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)面臨著巨大的計算挑戰(zhàn),難以滿足現(xiàn)實應(yīng)用中的擴展需求.在極速學(xué)習(xí)機（extreme learning machine,ELM）基礎(chǔ)上,基于Spark并行框架提出一種并行的極速神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法,以Spark平臺特有的RDD高效數(shù)據(jù)集管理機制對其進行封裝,并將大規(guī)模數(shù)據(jù)中的高復(fù)雜度矩陣計算進行并行化,實現(xiàn)ELM加速求解,僅需一組Map和Reduce操作即可完成算法的訓(xùn)練.在大量真實數(shù)據(jù)集上的實驗結(jié)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.