自上世纪40年代以来,神经网络模型创设及80年代给出的Hopfield神经网络一直受到广泛关注。随着科技的进步和理论知识的进展,递归神经网络已应用到很多领域,如模式识别,图像处理等等。然而,受网络系统性能及外部环境的影响,信号在网络传输中出现延迟,使网络产生震动,因此,研究时滞递归神经网络的稳定性具有重大的意义。在现有研究成果基础上,本文基于Lyapunov稳定性理论,利用凸技术和线性矩阵不等式技术研究时变时滞递归神经网络的稳定性问题,给出新的稳定条件。首先,研究了含有扰动的单时变时滞递归神经网络的稳定性问题,提出了新的稳定条件。为了扩展现有思想并进一步降低条件保守性,本文构造新的Lyapunov-Krasovskii泛函,利用二次凸技术,获得保守性较小的条件。使用Matlab进行了模拟仿真,验证了该方法的有效性。其次,基于单时变时滞的递归神经网络的稳定性分析的思想,本文研究一类更广泛的具有两个时变时滞递归神经网络的稳定性问题,通过构造新的Lyapunov-Krasovskii泛函,结合二次凸技术,互连凸组合技术及凸多面体技术,给出了新的稳定条件。使用Matlab进行了模拟仿真,验证了该方法的有效性。最后,将带有两个时变时滞的递归神经网络应用到实际工程中,首先建立时滞模型,给出了系统渐近稳定的条件,通过实验模拟仿真验证了结果模型是渐近稳定的。