神经元是大脑神经系统的基本组成单元，大脑中每个神经元都要接收成千上万个树突信号输入。生物实验发现树突上不同位置的输入到达胞体时的膜电压不同，而一般的神经元模型都忽略了树突的形状，因此在点模型中考虑树突整合效应可以使模拟神经网络更接近真实的神经网络。神经元之间通过突触连接，神经学家们认为大脑的记忆功能是突触连接强度不断变化，即突触可塑性作用的结果，因此对突触可塑性的研究有利于探究生物学习与记忆的奥秘。神经生理实验表明，神经元网络的同步行为与生物正常的生理机制以及一些脑部疾病有关，研究神经元网络的同步性可以为治疗因神经元异常同步引起的脑部疾病提供理论指导。
　　本文研究具有树突整合和突触可塑性的生物神经元网络的同步动力学特性，分析了整合系数、耦合强度、连接概率、外部扰动以及Spike-timing-dependent Plasticity（STDP）突触可塑性规则对网络同步性的影响。具体工作如下：
　　一、在 Hodgkin-Huxley（HH）神经元中考虑树突整合效应，建立Dendritic-integration-rule-based HH（DHH）神经元模型，仿真结果表明DHH神经元的发放阈值提高，需要较大的输入电流才能持续峰放电；然后分别以兴奋性和抑制性DHH神经元经全局耦合而形成的网络为例，分析耦合强度与整合系数对网络同步性的影响。随着耦合强度的增大，兴奋性和抑制性 DHH 神经网络的同步性都得到提高，且相比于HH神经元网络而言，大的耦合强度更能诱导DHH神经元网络达到同步。有趣的是，可能存在某一整合系数值，使得兴奋性DHH网络同步性最差，而使得抑制性DHH网络同步性最佳。另外，增大耦合强度可以减小兴奋性DHH网络的放电幅值，而增大抑制性DHH网络的放电幅值。
　　二、在兴奋性、抑制性和兴奋/抑制性DHH网络中考虑STDP学习规则，分别研究连接概率、外部扰动以及STDP学习规则对网络动力学特性的影响。仿真结果表明，随着网络连接概率的增大，兴奋性、抑制性和兴奋/抑制性网络的同步性都得到提高，兴奋性网络的同步性提高更为显著。在神经元上施加外部扰动时，随着扰动电流的增大，兴奋性DHH网络同步性降低，抑制性DHH网络同步性提高，而过大或过小的外部扰动都会降低兴奋/抑制性网络的同步性。另外，在大的连接概率下，STDP学习规则可以提高兴奋性和抑制性DHH神经元网络的同步性。
　　近年来，临床医学使用深度脑部刺激来抑制病变脑区神经元的异常同步，本文的研究结果可以从理论上解释外部扰动对网络同步性的影响，对于探索大脑的信息处理机制以及治疗某些脑部疾病具有一定的理论指导意义。