由于半马尔可夫跳变神经网络能够更好地对物理系统进行建模和描述而备受关注,包括稳定性分析和控制,已被广泛用于垂直起降直升机,DNA分析和直流电动机控制.关于半马尔可夫跳变神经网络的许多重要研究已经有大量报道,例如稳定性分析,扩展的非脆弱耗散估计和控制设计.另一方面,与过去的点对点系统不同,当前的网络控制系统是通过网络连接的组件实现的.以周期性方式执行的时间触发控制会导致计算复杂度增加,通信资源浪费以及对有限网络资源的低效率使用.另一方面,根据选定的阈值,事件触发策略的使用仅允许在满足事件触发条件时发送数据.本文基于动态事件触发机制,研究了半马尔可夫跳变神经网络的同步问题,主要内容如下:1)研究了带有时变时滞的半马尔可夫神经网络的有限时间同步问题.主要目的是利用动态事件触发机制,使半马尔可夫神经网络在有限时间内达到同步,同时减少采样点的数量.根据Lyapunov稳定性理论,构造了模态依赖的Lyapunov泛函.与传统的静态事件触发方案相比,采用动态事件触发机制来调整数据传输量,减轻了网络负担.利用一般的自由权矩阵估计单个积分项,在标准线性矩阵不等式中得到了一个保守性更小的结论.最后,通过仿真结果验证了该方法的优越性.2)研究了具有时变时滞的随机半马尔可夫跳变神经网络的同步问题.主要思想是用具有半马尔可夫跳变参数的随机微分方程来描述所考虑的神经网络.首先,利用补充变量技术和系统变换将有限半马尔可夫过程转化为相关的马尔可夫过程.其次,通过随机分析方法和LaSalle不变原理,提出了半马尔可夫跳变神经网络实现同步的充分条件,与现有方法相比,结果具有更小的保守性.最后,应用工业四罐模型验证了该算法的有效性.3)解决了具有一般不完全转移概率的随机半马尔可夫跳变神经网络的同步问题.主要目标是基于随机半马尔可夫过程,随机分析理论以及状态反馈控制技术来考虑不完全转移概率问题.首先,应用扩展的Jensen积分不等式和Wirtinger不等式,得到了一个新的同步准则.其次,充分利用了变量采样间隔的上界和变量输入时滞的锯齿结构信息,并设计所需的动态事件触发控制器.此外,利用Lyapunv-Krasovskii泛函方法和La Salle不变原理,建立了半马尔可夫跳变神经网络同步的新的充分条件.最后,应用单连杆机械臂模型验证了主要结果的优越性.