同步,作为一种个体交互联系的自然现象,从远古时代就吸引着人类。同步行为在自然界中无处不在,在生物学、物理学、气候学、社会学、工程甚至艺术等许多不同的领域中都起着极其重要的作用。作为同步行为的一个分支,拟同步现象主要是由系统参数不一致导致的,其同步误差随时间演变不趋近为零或不变,而是同步误差允许被限定在一个极小范围内波动。此外,随着以神经网络为代表的智能系统广泛应用在人工智能、边缘处理、过程控制、系统辨识和非线性优化等领域,大规模、复杂化的神经网络被组建不可避免。与此同时也给网络化背景下的神经网络研究与应用带来了极大的挑战与困难。本论文针对网络化背景下的神经网络拟同步存在参数不匹配、参数周期性变化,及神经网络存在非线性、数据传输存在丢包和时滞问题做出了研究,主要包括以下两个具体方面:(1)针对具有多通道传输的参数不匹配时滞神经网络拟同步问题,考虑恶劣环境对传输信道和控制器的性能影响,将信号传输通道设计成多通道控制策略。然后,考虑到参数不匹配且周期性变化以及时滞对主从神经网络拟同步性能影响。同时,考虑主神经网络信息约束问题,使用对数量化器克服通道通信限制。基于李雅普诺夫泛函分析方法,推导并得到了离散时滞神经网络拟同步充分条件,进一步,设计出了拟同步误差系统的控制器增益,相应地获得了离散时滞主从神经网络拟同步误差边界值。最后用一组数值例子验证了理论推导的正确性。(2)针对具有异步周期和约束信息的神经网络拟同步问题,所研究的问题将参数和周期不匹配情况都考虑在内,即主、从系统状态参数及其参数变化周期都不相同。此外,还研究了目标信息受约束问题,利用对数量化器来克服通道有限的通信能力,并利用伯努利过程来模拟信息丢失的过程。基于主系统和从属系统的周期,建立一个新的最小公倍周期,由此推导并获得了增广同步误差系统达到拟同步的充分条件。在此基础上,提出了一种较优迭代算法来减小增广同步误差系统的拟同步范围,并设计了相应的控制器。最后,通过数值仿真例子说明了控制器设计的有效性。