本文讨论基于网络诱导不完全信息的几类离散时滞随机忆阻神经网络的稳定性及状态估计问题。首先充分考虑忆阻记忆特性、系统时滞及环境噪声等因素,建立几类离散时滞随机忆阻神经网络模型,并讨论一类离散随机忆阻神经网络的全局指数均方稳定性问题,进而研究具有混合时滞的离散随机忆阻双向联想记忆神经网络的状态估计问题,再进一步,基于测量数据随机丢失、事件触发机制和信道衰减等网络诱导不完全信息,研究几类离散时滞随机忆阻神经网络的H∞状态估计问题。具体地,本文框架可表述如下:第一章阐明本文所研究课题的背景及意义、研究现状,介绍每章节中所要研究的问题,并且概括本文的主要贡献。第二章研究具有泄漏时滞和随机时变时滞的一类离散随机忆阻神经网络的全局指数均方稳定性问题。采用一个服从Bernoulli分布的随机变量,刻画在两个不同区间上随机发生的时变时滞现象,与此同时,设定忆阻神经网络的激励函数是扇形有界的。通过对忆阻神经网络参数状态依赖特性的分析,构建适当的Lyapunov-Krasovskii泛函,从而得到使该离散随机时滞忆阻神经网络全局均方指数稳定性的充分条件。第三章研究具有随机时滞的一类离散递归忆阻神经网络的H∞状态估计问题。首先借助一个服从Bernoulli分布的随机变量来刻画离散时滞随机取值的现象。进而,设计一个状态估计器,并基于鲁棒分析方法得到使估计误差动力学系统同时满足均方指数稳定性以及H∞性能的充分条件。最后,根据线性矩阵不等式法设计H∞状态估计器。第四章研究具有离散时滞和分布式时滞的一类离散随机BAM忆阻神经网络的H∞状态估计问题。通过构建一列新颖的切换函数来描述在离散情形下忆阻神经网络连接权重的状态依赖特性,进而对所考虑的忆阻神经网络进行稳定性分析。在此基础上,借助已构造的切换函数设计一个忆阻神经网络的状态估计器,并利用Lyapunov稳定理论及随机分析理论得到使估计误差动力学系统同时满足均方指数稳定和H∞性能的充分条件。进一步地,给出一类离散随机忆阻神经网络的H∞状态估计算法。第五章在测量数据随机丢失情形下研究一类离散随机忆阻神经网络基于事件触发机制的H∞状态估计问题。本章中离散忆阻神经网络同时受到加性确定性扰动和乘性随机噪声的影响。与此同时,采用一列服从Bernoulli分布的随机变量来刻画测量数据随机丢失的现象。为了在保证目标系统稳定的前提下有效地提高网络资源利用率,引入一个基于事件的触发方案用以确定测量数据是否发送给状态估计器。进而根据Lyapunov-Krasovskii泛函以及随机分析法得到使估计误差系统满足均方指数稳定性的充分条件,该条件可以同时确保系统的H∞性能得到满足,并基于此条件设计忆阻神经网络基于事件触发机制的H∞状态估计器。第六章在信道衰减情形下考虑具有随机发生混合时滞的一类离散忆阻神经网络的H∞状态估计问题。提出一组切换函数用以刻画离散情形下忆阻神经网络的状态依赖特性。进而,利用鲁棒分析理论和Lyapunov-functional理论得到使估计误差系统既满足随机稳定性又满足H∞性能的充分性判据。随后,利用系统随机稳定性和线性矩阵不等式技术设计满足指定性能要求的H∞状态估计器。主要结论不仅依赖于离散时滞大小和时滞随机发生的概率分布,而且依赖于所引入Rice衰减模型的衰减系数。第七章总结本文的主要结果,并分析今后进一步的研究方向。