大量的研究表明,混沌动力学存在于真实神经元与神经系统中。混沌神经元和混沌神经网络模型产生于对神经系统和大脑中混沌现象的分析与总结,并且有别于传统人工神经网络,具有丰富的混沌动力学特性。混沌神经网络在组合优化,模式识别,智能信息处理上的应用潜力,使它受到了极大的关注。混沌神经网络具有很多优良的特性,但是它的混沌特性导致网络的输出无法稳定,限制了混沌神经网络的应用,因而混沌神经网络的混沌控制研究被关注。以往的混沌神经网络控制方法,大多只考虑了模型自身的结构,没有考虑大脑神经动力学,本学位论文结合大脑神经动力学,提出正弦参数控制法。正弦参数控制法使用的控制信号,正弦信号是脑波的主要成分,用于混沌神经网络的参数调制认而达到控制混沌的目的。仿真结果表明受正弦参数控制法控制的混沌神经网络,当控制信号的频率与反映大脑处于思维时的脑波频率一致时,能很好的收敛到与初始状态相关的存储模式上,受控混沌神经网络可以用于信息处理。考虑到混沌动力学特性,论文尝试将周期脉冲信号加到混沌神经网络中的外部输入项上,控制混沌神经网络的混沌。从仿真可以看出受控网络能够收敛到周期轨道上,并且输出中仅包含与初始状态相关的存储模式。受周期刺激控制法控制的网络可应用到信息处理、模式识别上。大脑中神经元的同步现象是神经元的集团活动特性,对混沌神经元的同步的研究有助于加深人们对大脑神经活动的了解。本工作还研究了二维大集群耦合的混沌神经元的同步特性。研究表明近邻阈值耦合法可以使混沌神经元团簇在局部达到良好同步。随机阈值耦合法也可以提高混沌神经元团簇的同步性。