神经网络是通过模仿人类神经系统的运行机制,使自身具备自学习、联想记忆与鲁棒性等功能,进而用以解决实际生产所需的非线性动力系统。由于神经网络具备自学习等各种功能,因而神经网络被广泛地运用于解决人工智能、模式识别、优化问题等领域的诸多问题,同时对神经网络的研究也能促进人类更加了解自身机制。因此,研究神经网络的稳定性不仅有非常巨大的应用价值,而且还有认知价值。本文研究的是带离散时滞和分布时滞的不确定随机神经网络的稳定性问题,并且得到了相关系统的稳定性判据。论文通过改进现有神经网络的模型与假设条件,研究了带离散时滞和分布时滞的不确定随机神经网络的时滞相关均方指数稳定性。然后通过分析已有的研究成果,进一步研究了带离散时滞的不确定随机神经网络的几乎必然指数稳定性。本文主要通过构造适当的李雅普诺夫函数,利用李雅普诺夫函数法、随机分析法、线性矩阵不等式及基本不等式得到了不确定滞后随机神经网络的稳定性判据。其中所得到的稳定性判据是由线性矩阵不等式表示的,且线性矩阵不等式是否有解可轻易地通过Matlab工具箱进行验证。