伴随着人工智能技术的发展,人工神经网络相关理论的研究被再次掀起。然而,传统人工神经网络在物理实现时因受制于CMOS晶体管等器件的现实缺陷,以致相关理论研究也发展缓慢。值得关注的是,忆阻器因其集成密度高、功耗低、拓展性好,且有记忆功能等特性,使得利用忆阻器构建的忆阻神经网络较好地弥补了传统人工神经网络的部分缺陷。近年来,针对忆阻神经网络的研究逐步成为热点,尤其是在忆阻神经网络的稳定性分析方面取得了一些研究成果。此外,在工程实践中,有时为了达到优化、逼近等特定目的,需要获知神经网络的状态信息。然而,由于受现实条件的约束,往往不能直接获取系统的状态信息。此时,根据测量数据对神经网络进行有效的状态估计就显得尤为重要。另外,随着计算机技术的革新和网络通信技术的发展,基于网络通信协议的离散系统状态估计的理论研究渐成热点,有鉴于此,本文将在动态事件触发协议下深入研究离散忆阻神经网络的状态估计问题。本文首先深入分析忆阻器自身特性、噪音和时滞等因素,建立新的忆阻神经网络模型;进而讨论一类基于动态事件触发的离散忆阻神经网络的有限域H∞状态估计问题,缓解了在信道出现衰落时可能导致的状态估计器性能恶化的情况。随后,基于前期研究成果,利用Lyapunov稳定性和Schur补等方法与技术,研究了具有冗余信道的一类离散忆阻神经网络的l2-l∞状态估计问题,同样地,由于动态事件触发协议的引入,网络通信资源得到有效节约。本论文的具体工作如下:1.针对具有时滞的离散忆阻神经网络,考虑网络通信中出现的信道衰落现象,研究了基于动态事件触发的离散时滞忆阻神经网络的有限域H∞状态估计问题。通过构建Lyapunov函数,提出估计误差系统在有限域上满足H∞性能的充分条件,有效地降低了系统的保守性。2.针对离散时滞忆阻神经网络,考虑通信信道的带宽有限,研究了动态事件触发协议下一类具有冗余信道的离散时滞忆阻神经网络的l2-l∞状态估计问题。引入冗余信道传输机制,提升测量数据的传输效率。通过运用Lyapunov稳定性和Schur补等方法与技术,给出满足l2-l∞性能指标的状态估计误差系统。3.本文在分析具有衰落信道的离散时滞忆阻神经网络的有限域H∞状态估计时,在系统中引入动态事件触发协议。与静态事件触发协议相比,动态事件触发可以减少对触发器的需要,避免不必要的网络资源消耗。同样,在分析具有冗余信道的离散时滞忆阻神经网络的l2-l∞状态估计时,也引入了动态事件触发协议,进一步验证动态事件触发协议能够更有效的节约资源。