时滞递归神经网络作为一种重要的时滞动力系统，已成功应用于模式识别、信号处理、联想记忆、优化计算等领域。咎其原因，这主要因为时滞递归神经网络有着复杂的动力学行为，如稳定性、周期性、混沌等。本文主要研究时滞递归神经网络的稳定性和概周期性。 全文由五章组成： 　第一章概括了神经网络的发展、时滞递归神经网络的动力学研究现状及意义，同时介绍了本文的主要研究内容和创新点。 　第二章基于同胚理论、Lyapunov稳定性理论并结合 不等式和线性矩阵不等式技巧，研究了一类更一般的常时滞细胞神经网络模型，并给出了确保平衡点存在性、唯一性和全局指数稳定性的新的充分判据。所得判据都以线性矩阵不等式的形式给出，这便于直接利用线性矩阵不等式工具箱进行验证。另外，所得结论去掉了激活函数有界的限制，包含或改进了已有文献中的部分结论。 　第三章分析了二阶常时滞Cohen-Grossberg神经网络概周期解的存在性、唯一性和全局指数稳定性，利用Schauder不动点定理、指数二分性理论和微分不等式技巧，给出了新的充分判据，所得结论改进了已有文献中的部分结论。另外，本章方法还可应用于二阶变时滞Cohen-Grossberg神经网络模型。 　第四章讨论了时滞随机模糊细胞神经网络的稳定性。通过构造不同的Lyapunov泛函，利用非负半鞅收敛定理和 公式并结合不等式技巧，给出了确保平衡点几乎处处指数稳定性的新的充分判据。这为时滞随机模糊细胞神经网络的应用和设计提供了理论依据。　 最后一章总结了全文工作，并展望了未来的研究方向。