众所周知，时滞的存在可能导致神经网络系统不稳定，因而研究基于时滞的稳定性不仅具有理论价值也具有实际应用价值.同时由于复值神经网络比实值神经网络更具有一般性，能解决实值神经网络不能解决的问题.因此，具有时滞的复值神经网络稳定性成为了学者们研究的热点.基于前人的基础，我们将研究具有时滞的复值神经网络的稳定性并给出相关的稳定性判据.　　本文研究了具有时滞的复值神经网络的稳定性问题，主要内容包含三个方面:(1)研究了时标上具有时滞的复值递归神经网络全局指数稳定性.基于时标理论和压缩映射，不仅给出了解的存在唯一性条件且讨论了其指数稳定性.(2)研究了具有时滞的不连续复值神经网络的周期解的全局指数稳定性.运用Lyapunov稳定性方法，获得了周期解的一些准则并证明周期解的全局指数稳定性.(3)研究了具有比例时滞的复值神经网络的全局指数稳定性和周期性.利用Lyapunov稳定性方法，获得了该系统具有指数稳定性和周期性的新标准.