该文主要研究时滞神经网络的稳定性.在第一章中,第一节对具有变时滞与连续时滞的两类复杂系统进行了研究,主要利用大系统的分解方法、常数变易法、以及不等式的技巧研究了时变时滞及中立型时滞大系统的稳定条件.第二节,主要是针对非线性时滞系统的鲁棒稳定性与BIBO稳定的研究,采用的工具主要是Gronwall不等式、Lyapunov函数方法以及不等式的分析技巧,所得到的结果改进了文献<[1][3]>相应的结果.第三节,研究的对象为一般的时滞神经网络,利用Dini导数、积分不等式等工具,研究了神经网络的指数渐近稳定性与指数收敛率.第四节,研究了非线性时滞神经网络在时滞不确定情况下的稳定性情况,得到保守性较小的结果,其判据为与时滞有关.第二章,在第一章的诸多稳定性的基础上,考虑了与Lyapunov稳定性既有区别又有联系的L<2>—增益稳定性.前人只在关注时滞扰动存在的情况下,网络平衡点稳定性的保持,我们则从全空间范围内考察扰动对状态有界的影响,应该指出Lyapunov稳定并不意味着L<2>—增益稳定性.所以研究L<2>—增益稳定性有重要的意义.文章用比较简单的方法得到了与文献<[15]>相同的结果,但证明方法更加简单.在此基础上又进一步的考虑了系统的全局指数渐近稳定性,所得到的结果大大的推广了文献<[15]>的内容.第三章,利用Dini导数、不等式以及Lyapunov函数方法等工具对当今研究的一类热点神经网络,(BAM)双向关联的神经网络的指数渐近稳定性作了研究,得到了其指数渐近稳定的条件.