1.一种基于间歇控制的复值神经网络的指数同步控制方法，其特征在于，包括以下步骤：

步骤S1：基于具有混合时变时滞的复值神经网络，建立驱动系统和响应系统；步骤S1的具体内容有：建立具有混合时变时滞的复值神经网络的驱动系统和响应系统分别为：T

式中，时间t≥0；驱动系统状态x(t)＝(x1(t)，x2(t)，…，xn(t)) ，z(t)＝(z1(t)，z2T(t)，…，zn(t)) ，xi(t)的实部和虚部分别为 和 zi(t)的实部和虚部分别为 和T T

响应系统状态y(t)＝(y1(t)，y2(t)，…，yn(t)) ，v(t)＝(v1(t)，v2(t)，…，vn(t)) ，yi(t)的实部和虚部分别为 和 vi(t)的实部和虚部分别为 和 n表示神经网络中神经元个数；A、B为实数连接权矩阵，A＝diag{a1，a2，…，an}，B＝diag{b1，b2，…，bn}，ai和bi为常数；C、D、W为复值连接权矩阵，C＝(cij)n×n，D＝(dij)n×n，W＝(wij)n×n，复数cij、dij、wij的实部分别为 复数cij、dij、wij的虚部分别为 不含时滞的激活函T

数f(x(t))＝(f1(x1(t))，f2(x2(t))，…，fn(xn(t))) ，f(y(t))＝(f1(y1(t))，f2(y2(t))，…，Tfn(yn(t))) ，fj(xj(t))的实部和虚部分别为 和 fj(yj(t))的实部和虚部分别为 和 含有时滞的激活函数f(x(t‑σ(t)))＝T

(f1(x1(t‑σ(t)))，f2(x2(t‑σ(t)))，…，fn(xn(t‑σ(t)))) ，f(y(t‑σ(t)))＝(f1(y1(t‑σT(t)))，f2(y2(t‑σ(t)))，…，fn(yn(t‑σ(t)))) ，fj(xj(t‑σ(t)))的实部和虚部分别为和 fj(yj(t‑σ(t)))的实部和虚部分别为 和 上述各激活函数满

足利普希茨条件，即：

其中 为利普希茨常数；σ(t)和τ(t)分别是时变离散时滞和时变分布时滞，且满足0＜σ(t)＜σ，0＜τ(t)＜τ，σ和τ为正常数，并设 η为积分变量；复T值神经网络外部输入γ(t)＝(γ1(t)，γ2(t)，…，γn(t)) ，且γi(t)的实部和虚部分别为和 Ξ＝diag{ξ1，ξ2，…，ξn}，ξi为常数，且矩阵Ξ需满足不等式其中 和 分别表示矩阵 和 的p范

数， p＝1、2或∞，E2n为2n阶单位矩阵，E4n为4n阶单位矩阵，

U(t)为非周期间歇同步控制器，U(t)＝(U1(t)，U2(t)，…，UnT

(t)) ，Ui(t)的实部和虚部分别为 和 上述中，i＝1，2，...，n；j＝1，2，...，n；

步骤S2：构建所述驱动系统和响应系统的实部和虚部子系统；步骤S2的具体内容有：将步骤S1建立的驱动系统和响应系统进行变量分离，构建所述驱动系统和响应系统的实部和虚部子系统分别为：

其中，

步骤S3：设定同步误差，并建立同步误差系统的实部和虚部子系统；

步骤S4：设计一种非周期间歇同步控制器，并将设计的非周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统；

步骤S3具体包括以下步骤：

步骤S31：设定所述驱动系统和响应系统的同步误差为：其中，e1(t)的实部和虚部分别为 和 e2(t)的实部和虚部分别为 和即：

步骤S32：根据所述驱动系统和响应系统，以及步骤S31设定的同步误差，建立同步误差系统的实部和虚部子系统，分别为：步骤S33：根据步骤S32建立的同步误差系统的实部和虚部子系统，构建向量形式的同步误差系统为：

其中：

步骤S4具体包括以下步骤：

步骤S41：根据步骤S3建立同步误差系统的实部和虚部子系统，设计一种非周期间歇同R I步控制器，其实部U(t)和虚部U(t)分别设计为：其中，r为控制周期数，即r＝0，1，2，…；tr为第r个周期内控制器开始工作时间，sr表示第r个周期内控制器停止时间，tr和sr需满足：δ和 为常数且满足 K1、K2、Ω1、Ω2为非周期间歇同步控制器增益矩阵，K1＝diag{k11，k12，…，k1n}，K2＝diag{k21，k22，…，k2n}，Ω1＝diag{η11，η12，…，η1n}，Ω2＝diag{η21，η22，…，η2n}；非周期间歇同步控制器的参数满足下面不等式：其中，φ为常数且

为矩阵 的矩阵测度，

μp(H) 为矩阵H的矩阵测度，

分别为矩阵 的p范数；ρ为指数收敛率；ζ是方程的唯一正根；

步骤S42：将设计的非周期间歇同步控制器作用于所述响应系统，使得所述响应系统指数同步于所述驱动系统。

2.根据权利要求1所述的一种基于间歇控制的复值神经网络的指数同步控制方法，其特征在于，所述指数同步的收敛率为