该文对于几类神经网络模型的稳定性进行了研究.在第一章,我们分析了带有延迟的Hopfield神经网络模型.证明了模型在一定条件下存在唯一的平衡点.通过构造一类新的Lyapunov函数,我们给出了关于神经网络全局指数收敛的几个新的充分性条件.我们也与文献中的结果进行了比较.在第二章里,我们给出了一类细胞神经网络(Cellular Neural Networks)平衡点的全局指数稳定性分析.并且指出,当神经网络的激发函数(Activation Functions)取为双曲正切函数时,在条件的临界状态下,系统的平衡点仍然是全局渐进收敛的.我们在第三章讨论了带有延迟的双向联想记忆的神经网络(Bidirectional Associative Mimory Neural Networks)的稳定性.通过对模型的简化,我们得出了几个平衡点的全局指数收敛的充分性条件.第四章研究了Cohen-Grossberg神经网络模型.通过定义两类范数,在一定条件下我们直接证明了模型的全局指数稳定性.在条件的临界状态时,我们也分析了平衡点的全局渐进稳定性.