随着人工智能技术的发展,神经网络系统同步控制是近年来研究的热点。切换系统作为一种实用的混杂系统建模方法,可以描述神经网络系统中参数切换问题。因此,切换神经网络系统同步控制得到广泛关注。针对切换神经网络系统同步控制,考虑到系统时滞、模型不确定性、数据包丢失、事件触发机制设计等问题,具体的研究工作如下:1)研究了切换时滞神经网络采样控制指数同步问题,同时考虑了可能存在的异步切换。构造了充分包含系统结构信息的Lyapunov泛函,然后利用改进的积分不等式,时滞分解等技术,得到线性矩阵不等式形式的稳定性判据,推导出了与最大采样间隔相关的平均驻留时间条件。将求解的控制器矩阵带入数值算例,验证了所提方法的有效性。2)研究了具有丢包的不确定时滞神经网络同步控制问题。采用切换系统的方法进行建模,根据系统丢包前后的变化设计了不同的Lyapunov泛函。得到了与丢包率相关的平均驻留时间,求得的控制器能够在丢包情况下使系统依然稳定。所得到的结果保守性较小,当不存在丢包和不确定性时,能够实现比现有文献更大的同步率,通过数值算例验证了该方法的优越性。3)研究了基于事件触发的切换时滞神经网络同步控制及L2增益问题,考虑了切换时可能发生的频繁异步切换。设计的依赖控制器模式的Lyapunov泛函能够有效减少矩阵的计算量,并且证明了可以避免芝诺现象,系统最终能满足L2增益。得到与最大触发间隔相关的平均驻留时间,且不限制触发区间内的切换次数。通过数值算例,验证了事件触发机制能够减少数据传输量,并保证系统稳定。图15幅;表3个;参64篇。