近年来,耦合神经网络被广泛地应用于模式识别、信号处理、人工智能、保密通信和机器人等领域,因此耦合神经网络引起了来自不同领域的专家学者们的极大关注。众所周知,这些应用很依赖于耦合神经网络的一些动力学行为,特别是同步和无源性。在现有的很多文献中,神经网络在无穷的时间里实现了同步和无源性;而在实际生活中,由于机器有使用年限和人类的寿命是有限的,因此研究人员希望网络也能在有限时间内实现同步和无源性。现今关于耦合神经网络动力学行为的很多成果中,网络的拓扑结构常是单权重的;然而在现实世界中的许多网络应由多权重的网络来描述,所以研究具有多权重的耦合神经网络的动力学行为有着现实的意义。由于神经网络是通过电路来实现的,而电子在不均匀的电磁场中运动时扩散现象是无法避免的,那么也应该探讨具有反应扩散项的多权重耦合神经网络的动力学行为。通常耦合神经网络仅依靠自身难以达到同步和无源性,但是使用一些控制方案能使得网络获得同步和无源性。相比连续的控制策略,脉冲控制减少了传输的信息量和降低了控制成本。因此本文基于脉冲控制分别研究了具有和不具有反应扩散项的多权重耦合神经网络的同步、无源性、有限时间同步和有限时间无源性,其主要贡献及创新之处包括以下几个方面:1第二章给出了一类具有多状态耦合的神经网络和一类具有多时变时滞状态耦合的神经网络。使用Schur补引理和设计合适的脉冲控制器,分别研究了这两类网络模型的无源性、输入严格无源性和输出严格无源性。通过利用脉冲微分不等式和构造合适的李雅普诺夫泛函,得到了确保这两类网络模型获得全局指数同步的充分条件。最后,通过两个数值仿真验证了本章所得结果的正确性。2第三章给出了具有和不具有不确定参数的多权重耦合神经网络模型。采用积分法,建立了多权重耦合神经网络的有限时间有界性准则。首次在脉冲控制下研究了多权重耦合神经网络的有限时间无源性。通过利用李雅普诺夫泛函方法,首次基于脉冲控制考虑了多权重耦合神经网络的有限时间同步。此外,在多权重耦合神经网络中,还考虑了速率矩阵和权重矩阵的不确定性,给出了确保多权重耦合神经网络实现鲁棒有限时间有界性、鲁棒有限时间无源性和鲁棒有限时间同步的充分条件。3第四章给出了一类输入向量和输出向量维数不同的多权重耦合反应扩散神经网络模型。使用Wirtinger不等式、Schur补引理和积分法,首次在脉冲控制下研究了多权重耦合反应扩散神经网络的无源性、输入严格无源性和输出严格无源性。通过使用脉冲时滞微分不等式,本章首次基于脉冲控制探讨了多权重耦合反应扩散神经网络的同步。最后,通过两个数值模拟对理论结果的有效性进行了验证。4第五章考虑了一类具有不确定内部耦合矩阵、多时滞状态耦合和反应扩散项的神经网络。采用Jensen不等式和Wirtinger不等式,建立了多权重不确定耦合反应扩散神经网络的鲁棒有限时间有界性准则。首次在脉冲控制下研究了所给出的网络的鲁棒有限时间无源性。使用Schur补引理,首次基于脉冲控制给出了多权重不确定耦合反应扩散神经网络的鲁棒有限时间同步判据。