人体的神经系统是一个非常复杂、庞大、高效运转的网络系统,它传递信息的快速、精确是任何控制系统望尘莫及的。近些年来,随着科技发展,计算机科学、信息科学、生物医学、控制科学等各个领域的科研人员从不同的角度去研究神经网络的工作机制,模拟它处理信息的过程和对付神经方面的疾病。本文通过研究神经元模型和复杂网络的构建方法,对神经元模型进行网络构造后调整参数达到较好的同步效果,通过记录神经元同步的时间间隔,根据统计学理论,得出神经网络发放的一般规律。这些研究不仅对神经网络的发展有积极意义,同时给例如癫痫和帕金森综合症等神经系统疾病提供一些理论指导,也对国内外一些生物神经系统实验提供一些理论依据。本文的主要工作有：一、神经元网络模型的学习和参数调整通过各种神经元模型的对比选择合适的模型来研究问题,选取多种模型进行研究,为了达到同步调整耦合参数,并根据控制论的自适应控制器设计方法设计了能够控制神经网络迅速达到同步的控制器,同时根据观测器的设计方法设计系统感测器,使得神经系统能够达到稳定。二、对复杂网络的学习和小世界神经网络的研究并应用于HH、HR、FN神经元网络控制系统。通过学习前人研究复杂网络的方法,着重从小世界网络方面研究简化和模拟神经元系统,根据非线性系统的处理方法简化研究对象,编写程序模拟FN神经网络的同步过程,调整耦合参数,查看不同的同步效果。分别在耦合强度不同的情况下对比神经元同步规律,设计自适应控制器控制神经网络,查看神经网络的同步情况。模拟不同刺激下神经元网络的同步效果。根据计算数据得出同步图形,并且计算各种情况下神经元网络的发放间隔。三、根据前面的结果,运用数据处理方法和数理统计规律,分析神经元网络的发放统计规律,绘制神经元在单发和爆发以及单个和爆发交替下神经系统的发放规律特性,并且在不同耦合参数下神经元发放的规律,对比不同参数对网络同步的影响。我们的计算结果与国外生理实验结果大体一致。上述研究对神经元信息传递机制有一定的帮助,同时给神经系统疾病的治疗提供一些理论依据。