近年来,许多工业生产工程涉及了复变信号,引起了复值神经网络的研究热潮.作为复杂的非线性动力系统,其在各领域的广泛应用很大程度上依赖于它们的动态行为.另外,时滞现象普遍存在于实际系统中,并且是影响系统性能的重要因素.因此,时滞复值神经网络的动态行为分析一直是重要的研究课题.本文基于Lyapunov泛函方法、固定时间稳定性理论、Lyapunov稳定性理论、微分包含理论、M-矩阵性质、同胚理论及各种不等式技巧,对几类带时滞的复值神经网络模型的分析与同步控制问题进行了深入系统的研究.主要成果如下:1.研究了复值双向联想记忆(BAM)神经网络模型的拉格朗日指数稳定性和固定时间同步控制问题.首先,结合Lyapunov泛函方法和不等式技巧首次研究了带有时变时滞的该模型的拉格朗日指数稳定性问题,基于激活函数满足的不同假设条件得到代数形式和线性矩阵不等式(LMI)形式的判定条件,并给出对应全局吸引集的估计.其次,针对带有常数时滞的该模型,设计出新的参数互不相关的时滞非线性控制器,基于固定时间稳定性理论,首次提出固定时间同步性判定准则,相比于己有成果,得到更精确的不依赖于初值的同步时间估计上界.2.研究了基于忆阻的复值BAM神经网络模型的指数稳定性和指数输入-状态稳定性(ISS)问题.首先针对带有常数时滞的该类模型,放宽复值激活函数的假设条件,结合微分包含理论将模型进行合理的实虚部分离得到等价的实值模型.然后利用Lyapunov稳定性理论、同胚理论和M-矩阵性质,首次得到系统平衡点存在、唯一且全局指数稳定的充分条件.其次,针对带有多重时变时滞的该类模型,同样通过分离得到等价的实值模型,并结合Lyapunov泛函方法和新的不等式技巧,首次提出指数ISS判据.3.研究了基于忆阻的时滞复值神经网络模型的状态估计问题.首先结合微分包含理论将模型分离转化为等价的实值模型.再利用Lyapunov稳定性理论和不等式技巧,首次得到确保误差系统全局渐近稳定的时滞相关LMI判定条件,并获得有效的状态估计观测器增益矩阵设计方案.