| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 问题的提出与研究的意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15-16页 |
| 1.2 研究现状 | 第16-20页 |
| 1.2.1 分布式优化的研究现状 | 第16-18页 |
| 1.2.2 一致性的研究现状 | 第18-19页 |
| 1.2.3 分布式合作学习的研究现状 | 第19-20页 |
| 1.3 论文的研究方法与主要创新 | 第20页 |
| 1.4 论文的结构安排与主要内容 | 第20-22页 |
| 第二章 预备知识 | 第22-28页 |
| 2.1 基本概念 | 第22-23页 |
| 2.1.1 基本符号 | 第22页 |
| 2.1.2 代数图论 | 第22页 |
| 2.1.3 强凸函数 | 第22-23页 |
| 2.1.4 有限时间稳定性定理 | 第23页 |
| 2.2 线性参数化神经网络 | 第23-28页 |
| 2.2.1 高阶神经网络 | 第24-26页 |
| 2.2.2 随机前馈神经网络（FNNRWs） | 第26-28页 |
| 第三章 有限时间收敛的分布式优化算法 | 第28-34页 |
| 3.1 引言 | 第28-29页 |
| 3.2 算法描述 | 第29页 |
| 3.3 算法收敛性分析 | 第29-31页 |
| 3.4 仿真实例 | 第31-33页 |
| 3.5 本章小节 | 第33-34页 |
| 第四章 快速收敛的分布式合作学习算法 | 第34-48页 |
| 4.1 引言 | 第34-35页 |
| 4.2 问题描述 | 第35-36页 |
| 4.3 快速收敛的分布式学习算法描述 | 第36-41页 |
| 4.3.1 有限时间收敛的连续时间分布式合作学习算法 | 第36-39页 |
| 4.3.2 快速收敛的离散时间分布式合作学习算法 | 第39页 |
| 4.3.3 两类离散分布式合作学习算法 | 第39-41页 |
| 4.4 仿真实例 | 第41-47页 |
| 4.4.1 数据集描述 | 第41-43页 |
| 4.4.2 基于高阶神经网络的连续时间分布式合作学习算法仿真 | 第43-44页 |
| 4.4.3 基于随机前馈神经网络的离散时间分布式合作学习算法仿真 | 第44-47页 |
| 4.5 本章小节 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 全文内容总结 | 第48页 |
| 5.2 工作展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 作者简介 | 第58-60页 |
