近年来,复杂网络理论被大量用来描述大脑网络结构演化规律及网络信息传输性能,并在医学、生物、传统通信等众多领域都取得重大突破。将大脑神经系统与复杂网络结合,探究真实大脑网络结构及其信息传输机制,不仅能促进以数据驱动的新一代脑科学的进步,还能为实现以仿生驱动的类脑智能技术的提供理论基础。首先,本文指出在构建大脑网络模型时,没有实现真正的仿生,难以模拟真实大脑中信息传输机制的问题,分析当前类脑神经元网络对单个节点以及各节点相互耦合形成的网络进行抽象建模的现状。因此,从生物学角度出发,本文以携带信息的神经元作为网络节点,并建立单个神经元到神经元网络的桥梁,构建与人脑神经元网络类似的网络模型,探究网络结构演化与信息传输的关系,为类脑智能网络中更加灵活的信息传输提供良好的模型基础。其次,根据生物神经系统中钙离子通道对神经元和神经递质的影响,提出了脉冲重构神经元模型,并以脉冲重构神经元为作为构建神经元网络的节点,对突触耦合机制进行分析,进一步提出突触耦合强度与神经递质浓度距离相关的突触模型,并基于此构建了环路增强的小世界神经元网络模型。通过仿真对比传统HH神经元模型并观察神经元放电活动,验证了具有仿生特性的脉冲重构神经元模型的生物学特性和对信息携带的有效性。并分析小世界神经元网络动态构建过程,对比传统方式构建的网络,形成环路增强的小世界神经元网络在聚类系数和平均路径长度上表现更优;此外,对噪声强度、耦合强度等参数适当调整能促进该网络信息同步传输性能。然后,针对不同突触类型耦合的神经元对信息的调控作用,根据脑神经系统具有分功能、分区域的模块化特性,结合环路增强的小世界神经元网络,提出了兴奋性与抑制性平衡的小世界神经元网络为子网络的模块化类脑网络模型。以电场作用的方式来模拟模块化类脑网络受到的局部刺激,通过网络放电响应的一致性系数和平均膜电位定量分析网络信息传输性能,发现以电场作用下神经元的脉冲序列能有效地携带神经信息,并对网络中神经元进行分类,发现在电场作用下,抑制性神经元可以提升网络的平均膜电位,从而导致网络信息同步传输性能显著提高;且适当调整网络的子网络数目、节点度、模块间耦合强度以及外界刺激范围可以提升整体网络的信息传输性能;通过对比全兴奋性模块化类脑网络,验证了E-I平衡的模块化类脑网络信息同步传输性能的优越性,可以使各模块信息的分布与传输模式更加灵活。