两个或者多个神经网络通过公共网络协同工作，传递信息的过程统称为神经网络的网络化同步。与传统的神经网络同步控制相比，神经网络的网络化同步控制系统中，信息的交换与传输都是通过公共网络进行的，这个过程中必然会受到非理想网络坏境的影响。所以对于神经网络网络化同步控制系统的研究，不仅要从控制的角度考虑其控制方法的实现，还要从通信网络的角度考虑网络诱导延时和外部扰动等非理想网络环境对系统性能的影响。随着计算机科学的发展与网络应用的深入，人们发现无论是在无线网络通信领域，还是恶劣环境下多机器人的协作、远程保密通信等应用场合，神经网络网络化同步控制都有广阔的应用前景。　　近年来，关于事件触发机制的研究吸引了众多学者的关注。与传统的时钟触发方式相比，事件触发可以减少网络中的数据传输量，节省网络资源，降低非理想网络环境对系统性能的影响。本论文引入事件触发机制，研究一类基于事件触发的神经网络同步控制。研究主要内容如下:　　1)基于事件触发的神经网络同步控制　　论文研究基于事件触发的神经网络同步控制。通过建立对应于主从神经网络的误差系统模型，并利用李雅普诺夫泛函和矩阵奇异值分解的方法，我们讨论了主从神经网络在事件触发机制下的同步问题，并给出了控制器的设计方法。　　2)基于事件触发的神经网络量化同步控制　　考虑对数量化器，利用扇形界的分析方法，同时考虑事件触发机制，建立了对应于主从神经网络的误差系统新模型。然后利用李雅普诺夫泛函的方法和线性矩阵不等式技术，分析了误差系统的稳定性，并给出了控制器的设计方法。　　3)基于事件触发的时滞分布依赖的神经网络同步控制　　一般的时滞依赖方法得到的结果只与时滞的上下界有关。而本论文第4章考虑网络时滞的分布情况，将时滞分布的概率信息整合到主从神经网络对应的误差系统系数矩阵中，使其得到的判据与时滞分布信息直接相关。通过构造合适的李雅普诺夫函数，并利用LMI技术，我们分析了误差系统的稳定性，得到了主从神经网络同步的条件和控制器的设计方法。另外，本论文中的所有结果都是以线性矩阵不等式的形式表示的，可以使用MATLAB中的LMI工具箱方便求解。