网络上的分布式数据收集和分析无处不在，尤其是在无线传感器网络（WSN）上。 据我们所知，大多数分布式算法中使用的数据模型都是线性的。 但是，在实际应用中，并不能始终保证系统的线性。 在非线性情况下，具有径向基函数（RBF）隐藏神经元的单隐藏层前馈神经网络（SLFN）具有近似任何连续函数的能力，因此可以用作非线性学习系统。 但是，受通信成本的限制，通常禁止使用常规算法的分布式版本直接训练神经网络。 幸运的是，基于极限学习机（ELM）文献中提供的定理，我们只需要计算SLFN的输出权重即可。 尽管整个