神经系统由不同规模和拓扑结构的神经元网络组成，每个网络中的神经元种类和参数也各不相同。实验证明，神经系统的同步和信息传递密切相关。神经元及其网络之间是否同步以及同步程度是衡量神经系统的功能是否良好的重要指标之一。在神经系统中过分的同步或不同步均会导致神经疾病发生。因此研究网络的拓扑结构和参数变化对神经系统同步的影响是理解信息传递问题的关键。同时，采用外部刺激或控制调节神经系统的同步性是治疗神经疾病的重要手段。本文探讨神经元网络的结构和参数对同步的影响，并利用控制理论的思想研究神经元网络的同步问题。本文首先依据神经元网络的互耦合强度增加会使得神经元网络同步特性增加的原理，通过对34种拓扑结构不同的三神经元网络的同步性进行分析，发现了对于相同参数的Hindmarsh-Rose神经元组成的规则网络来说，神经元的自耦合连接会使网络的同步性降低，并根据同步误差的稳定性理论给予证明。然后研究了在神经元内部和外部参数对同步的影响，发现在某些情况下时滞会对网络的同步性产生促进作用，并通过仿真证明了这种促进作用是由于时滞消除了网络中神经元的混沌特性所导致的。最后，基于生物学习的思想，提出实现参数及拓扑结构未知的神经元网络完全同步的自适应控制方法，为治疗神经疾病提供了一个新思路。