最近的几十年里,人工神经网络在联想记忆、模式分类、重建的动态图像、信号处理和解决优化问题等领域得到了广泛的应用,它已经成为集中研究活动的核心焦点。在各类技术文献中广泛探讨了不同的神经网络模型,例如Hopfield型神经网络、细胞神经网络、Cohen-Grossberg型神经网络和双向的联想记忆神经网络。众所周知,稳定性对于神经网络的应用意义重大。而时滞现象又广泛存在于神经网络系统中,它往往是导致系统不稳定的原因,因此很多学者将注意力集中在具备时滞的神经网络的稳定性分析上。本篇论文中,我们所研究的是具有时滞依赖特征的切换中立型Hopfield神经网络模型。本文的主要内容:基于Lyapunov稳定性理论,我们构造Lyapunov泛函,利用二次凸组合方法、倒凸(reciprocal convex)组合技术、广义Jensen积分不等式、自由权矩阵等方法对本文中的神经网络模型进行分析,得到了模型全局渐近稳定的判定条件。最后,我们通过三个具体数值例子来验证理论的有效性。本文的创新点:1.本文所得理论结果并不要求激励函数的可微性,并且很容易通过Matlab软件来验证。2.我们通过Matlab软件仿真和具体的数值的模拟,验证本文中建立的理论结果比参考文献更有效和具有更广泛的适用性。