神经网络是一类非线性动态系统,它可以高度模仿人脑进行信息处理和计算,目前已被广泛应用于信号处理、模式识别、保密通信、自动控制等各个领域。在神经网络的实际应用过程中,由于数据传输需要一定时间,时滞不可避免的存在,因此,对时滞神经网络进行研究具有重要的实际意义。另一方面,为了满足实际应用需求,神经网络的复杂程度越来越高,因此网络环境下的神经网络研究得到广泛关注。网络化系统由于其速率高、成本低、易于扩展等良好特征,应用广泛,但是网络环境中产生的网络化现象,如大量数据在网络信道中进行传输引起网络拥堵,从而导致的时滞、丢包等现象,会对系统性能造成较大影响。为了解决这个问题,学者们提出了各类通信协议,来对网络中的数据传输顺序、频率进行协调与约束。在网络化控制研究领域中,状态估计和同步控制是重要的组成部分,也是备受关注的研究热点。状态估计用于解决系统状态不可测的问题,同步控制是指通过某种策略使两个或多个神经网络具有相同的动态行为,对两者进行研究具有重要的实际意义。综上所述,本文旨在研究通信协议下时滞神经网络的状态估计与同步问题,主要内容包含以下三个部分:1、基于随机通信协议,含有随机分布时滞的神经网络的状态估计问题。在此部分中,神经网络的传感器和状态估计器之间的数据通信在受限信道中进行,为了避免数据拥堵等因素导致的网络化现象,引入随机通信协议进行数据调度,并使用马尔可夫链来描述网络中的协议调度方式。另外,此神经网络中的时滞是随机的,且其概率分布是已知的,研究过程中不仅关注时滞的取值范围,同时关注其概率分布情况。通过分析给出了时滞分布依赖稳定性条件,并给出了状态估计器参数的求取方法。2、基于随机通信协议,离散型时滞神经网络的同步问题。在此部分中,神经网络的驱动系统与同步控制器之间的数据传输受到受限信道的影响,因此引入随机通信协议来协调网络节点访问网络的顺序。通过分析给出了确保同步误差系统均方指数最终有界性的充分条件,并给出了同步控制器参数的求取方法。3、动态事件触发机制下,离散型时滞神经网络的状态估计问题。在此部分中,神经网络测量输出由于通信信道受限无法全部传输至状态估计器中,因此引入动态事件触发机制来降低数据传输的频率,以达到减少数据传输量、降低网络负载的目的。通过分析给出了确保估计误差系统均方指数最终有界性的充分条件,并给出了状态估计器参数的求取方法。