随着现代通信技术和电子产业的迅猛发展,日常生活和科学领域中诸如多媒体传输、天气预测、数字图像处理、卫星导航、机器人控制、智能穿戴等对于信息处理速度及效率要求越来越高,因此开发高效的能实时智能信息处理的复杂网络成为了当下科学研究领域的重要研究热点。忆阻神经网络利用忆阻器的自动记忆、集成便利、纳米尺寸和磁滞回线伏安特性,采用多阈值神经元性质,对传统神经网络进行了改进和革新,降低了复杂网络在生产实践中的功耗和体积,增强了系统高效、智能的实时处理信息的能力。本论文致力于研究模糊忆阻神经网络的同步性问题,主要工作包括以下几个方面:（1）.研究了具有时变时滞的模糊忆阻神经网络的鲁棒自适应滞同步问题。构建了基于模糊模型与不确定参数相结合的忆阻神经网络。通过李雅普诺夫泛函方法和新的对不确定性参数的控制规则,给出了在该控制规则下忆阻神经网络的主从系统鲁棒自适应滞同步的充分条件。并且,结合模糊系统和LMI算法,研究了在模糊系统下,忆阻神经网络的鲁棒自适应滞同步。最后,通过两个仿真实例验证了所得结果的有效性和实用性。（2）.研究了基于神经激活函数控制和模糊模型下的具有反应扩散项的忆阻神经网络的指数滞同步问题。本章节介绍了一种新的能有效反映忆阻器的磁滞伏安特性的忆阻电路,并对具有反应扩散项的忆阻神经网络和含有模糊模型的带有反应扩散项的忆阻神经网络进行了详细的建模与理论分析。并且,利用李雅普诺夫泛函方法和在封装电路情况下依赖于系统输出的神经激活函数控制器,得到了确保含有模糊模型的带有反应扩散项的忆阻神经网络指数滞同步的理论条件。最后,通过两个仿真算例验证了理论结果的正确性。（3）.研究一类具有区间参数、基于模糊逻辑系统模型和非线性耦合的时滞忆阻神经网络的有限时间同步问题。本章构建了一种基于T-S模糊逻辑系统的忆阻神经网络的模型,该系统在构建人工大脑方面具有巨大的优势。针对时滞忆阻神经网络（DMNN）的权值矩阵在选择不同初始条件时出现的意外参数失配问题,本章考虑采用Filippov框架理论和区间矩阵方法来降低系统权值参数的保守性,同时考虑了复杂网络中的非线性耦合,利用Lyapunov泛函方法和带有不连续状态反馈和自适应项的新型不连续控制器,分别给出了在不连续状态控制和自适应控制下带有模糊系统和非线性耦合的DMNN的有限时间同步的理论条件。最后,通过两个仿真算例验证了理论结果的有效性。