李梦月，李必文

(湖北师范大学 数学与统计学院，湖北 黄石 435002)

0 引言

自Pecora L M和Carroll T L[1]引入混沌同步以来，同步在神经网络方面的研究已然成为一个热门的课题。聚同步即属于同一个集群的个体完全同步，来自不同集群的个体不同步。作为一种更复杂的同步模式，近年来对于它的研究已涉及到了很多领域，如万维网络、电网网络和细胞神经网络等[2，3]。Cao Jinde等人[4]研究了具有时滞的混合耦合神经网络的聚同步问题，通过构造特殊的耦合矩阵，提出了实现聚同步的新方法。文献[5]讨论了复杂网络在有限时间的随机同步问题，利用有限时间稳定性理论和不等式技巧，得到了保证复杂网络在有限时间内实现随机同步的充分条件。Liu Peng等人[6]从整数阶的集群同步拓展到分数阶，研究了具有时滞的分数阶耦合神经网络的渐近和有限时间聚同步问题，通过引入分数阶微分系统的稳定性理论和Filippov正则化框架，得到了实现分数阶耦合神经网络渐近和有限时间聚同步的充分条件。更多的结果可参看文献[7～10]。值得注意的是这些研究主要是实值神经网络。

在大量的实际应用中，复信号经常出现，实值网络不易解决此类问题，因此对复值网络的研究变得极为重要。在各领域研究者的不懈努力与探索下，复值神经网络已基本建立，并且在众多领域有着广泛的应用，如联想记忆、图像处理和通信[11～14]等。复值神经网络作为实值神经网络的一种扩展，它有更复杂的状态，权值矩阵，激活函数等。……