近十年来,带有分段常数变元的广义型神经网络已被许多研究者们进行了广泛的研究.与传统的神经网络所不同的是,由于导向函数的存在,使得这类神经网络变成了混合型神经网络.也就是说,随着时间的演化,这类神经网络不仅是超前的,也是延迟的.从这类神经网络的外观形式上来看,其导向函数影响整个网络演化,所以在分析该神经网络的动力学特性之前,最重要的一个环节是找到其变分项与当前项之间的关系,以此来度量变分项,这是解决带有分段常数变元的神经网络相关问题的关键所在.本文主要讨论带有分段常数变元的广义型神经网络的脉冲同步、固定偏差同步及有限时间固定偏差同步.运用Lyapunov稳定性理论,结合线性逼近法,在脉冲控制下得到了一个使得两个同源非定向神经网络实现同步的充分条件.此外,运用固定偏差稳定性理论,非线性系统的有限时间控制以及矩阵不等式,在由线性状态反馈项和符号函数项组成的不连续控制器的作用下,通过构造合适的Lyapunov函数,导出了确保两个同源非定向神经网络实现固定偏差同步和有限时间固定偏差同步的理论判据.总体来看,本文主要通过脉冲以及不连续状态反馈来控制带有分段常数变元的神经网络,从而实现这类神经网络的同步.然而,同步的方式有很多,不同控制方法的使用将会实现不同的同步效果,另外在神经网络中还会出现时滞、环境噪声等现象,因此未来或许可以运用其他的控制方法对相关带有分段常数变元的广义型神经网络同步特性进行研究.