神经网络的学习变得越来越重要。研究人员已经构建了数十种学习算法,但仍有必要开发更快、更灵活或更准确的学习算法。通过快速学习,我们可以针对给定的问题检查更多的学习场景,尤其是在元学习的情况下。在本文中,我们重点讨论了一种更快的学习算法的构造及其修改,特别是对于非线性版本的神经网络。该算法的主要思想在于使用Moore–Penrose伪逆矩阵的快速逼近O(运行)(锰2). 我们考虑复杂度为O(运行)(跨国公司),其中l<n和我通常明显小于n个这种学习算法可以应用于径向基函数网络、极限学习机或深度ELM的学习、主成分分析甚至缺失数据插补。