随机权网络是一种有效的前馈神经网络(FNNs),尤其是内权和偏置值的随机选取极大地提高了网络的学习速率,并克服了其他学习算法的一些不足.但是,其在计算外权的过程中也存在着一些不足.我们就此不足提出了一个新的算法——稀疏正则化算法,并结合梯度投影算法给出了一种迭代解,进而提出了相应的参数选择方法和算法终止准则.实验证明所提出的算法的优势,尤其是当隐层神经元数较多和训练样本较大时,所给出的算法具有明显的优势.