近年来，神经网络系统的稳定性、有界性等性质有了广泛的研究.但是,神经网络系统往往会受到各种各样的干扰，例如，随机干扰、脉冲干扰、时滞等等，所以研究含有随机干扰、脉冲干扰、时滞的神经网络系统的稳定性更有价值.同时，当系统受到外部输入的影响之后，系统可能不再稳定，此时，研究神经网络系统的输入-状态稳定性（ISS)更有意义.本文主要研究双向联想记忆神经网络的输入-状态稳定性，具体研究内容通过以下两个方面进行介绍：　　在第一部分,研究关于一类双向联想记忆彳神经网络模型的指数输入-状态稳定性分析.首先，建立双向联想记忆神经网络模型，该模型具有多个时滞效应，而且模型中非线性神经元激励函数不要求是有界的，也不要求是光滑的.通过Lyapunov泛函和线性矩阵不等式（LMIs)的方法，获得一类双向联想记忆神经网络模型指数输入-状态稳定性的一个充分条件.　　在第二部分,研究含有随机效应、脉冲干扰、时滞的双向联想记忆神经网络模型的动力学行为，并且脉冲函数是非线性的.然后在已有文献的基础上，给出神经网络的增益是时变的ISS的定义.通过建立含有时变输入的积分微分不等式,获得神经网络模型的p阶矩状态估计、p阶渐近输入-状态稳定性(p-ISS)和p阶指数输入-状态稳定性(p-eISS)的充分条件.本文获得输入-状态稳定性的主要结果，改进了相关文献的结果.