目的:本文通过建立神经网络模型,对神经元之间连接强度对网络中神经元同步放电的影响进行研究,用神经元同步放电的方法对网络中存储模式的联想记与分割进行了仿真。方法:本文以新型的Izhikevich神经元模型为节点按Hopfield网络结构构建神经网络;在网络中输入信号中加入高斯白噪声仿真真实生物神经网络中的噪声。在网络存储中,记忆模式通过连接权值存储。在给网络输入完整模式、缺损输入模式和过输入模式几种不同情况下,改变网络中神经元之间的连接强度,研究网络中相同模式神经元之间的同步放电,对人脑的联想记忆与模式分割进行仿真,分析网络中神经元之间的连接强度对神经元同步放电的影响。结果:当网络中的存储模式只有一种模式时,分别给网络加入完整输入模式和受“污染”的输入模式。在两种不同的输入模式下,改变连接强度的大小,当连接强度过小时,网络中的神经元随机放电;随着连接强度的逐渐增大,网络中的属于同一模式的神经元的放电逐渐趋于同步,成功实现了存储模式的联想记忆。当网络中的存储模式有两种模式时,分别给网络中加入完整输入模式和受“污染”的输入模式,通过调节网络中神经元之间的连接强度,两种不同模式的神经元各自实现了同步放电,成功实现了存储模式的联想记忆,并将两种模式成功地进行了分割。结论:本文以Izhikevich神经元模型为节点,构建神经网络;通过调节神经元之间连接强度的大小,实现了网络中相同模式神经元之间的同步放电。研究结果表明:Izhikevich神经元模型适于进行大规模神经网络的仿真;神经元之间的连接强度大小对神经网络的联想记忆与模式分割有重要的影响。