在人工神经网络实现过程中,由于信号传输的速度有限,时滞通常是不可避免的.因此,在定性分析这些神经网络问题时,考虑时间延迟的影响是非常重要的.本文主要研究的是1983年Cohen口Grossberg共同创建的Cohen-Grossberg神经网络模型,我们分析了两类带多时滞项的Cohen-Grossberg经网络模型的稳定性,主要内容如下：第一章,介绍了课题的背景及意义.重点介绍了神经网络模型的Cohen-Grossberg发展史及研究现状.第二章,研究了一类多时滞的离散的神经网络模型,主要研究了Cohen-Grossberg该模型的平衡点的稳定性及分岔问题.借助于已有的结论,给出了平衡点的渐近稳定的条件.另外,在分析分岔问题时,详细地讨论了参数的取值情况.结果表明在一定的参数值下, 系统会产生分岔、fold分岔及fl ip分岔.另外,余维2的Neimark-sacker分岔,例如分岔、双fold-Neimark-sacker分岔及Neimark-sacker分岔等也会产生.结果显示了该类多时滞的离散的flipfold-Neimark-sacker神经网络模型具有丰富的动力学性态.Cohen-Grossberg第三章,研究了一类多时滞的连续的神经网络模型,主要研究了Cohen-Grossberg当时滞项发生变化时,对该模型平衡点的稳定性的影响.通过分析对应的特征方程,给出了平衡点局部渐近稳定的充分条件.对于不同的延迟参数,给出了依赖延迟的稳定域与不依赖延迟的稳定域.此外,在一定条件下系统也会有Hopf分岔产生.