神经网络系统自被提出就应用广泛,由于易受各种各样不确定性的影响和干扰,信号的传输也存在时滞现象,系统常常表现出不稳定性,因此为了使研究的内容更有实际意义,一般探讨带有变时滞的不确定性系统的稳定性问题。本文主要论述了神经网络的多时滞指数被动性问题,具有离散时滞和分布时滞的神经网络的被动性问题,模糊神经网络的鲁棒渐近稳定性问题及BAM神经网络的耗散性问题。其研究结果如下:1.研究了多时滞的神经网络以及带有混合时间延迟(即同时包含离散时滞和分布时滞)的神经网络的被动性问题。利用不等式技巧处理所取的泛函导数,适当地加入零项,构造出多个线性矩阵不等式,从而得到系统是被动的充分条件。最后实例验证了所得的结论是正确的,且能在一定程度上降低保守性。2.研究了具有离散时滞和分布时滞的模糊神经网络的鲁棒渐近稳定性问题。文中借助T-S模型,将多重积分、自由权矩阵和不等式技巧结合起来,处理泛函导数,利用Matlab工具箱,实例验证了本文的结论是正确有效的。3.研究了带有离散时滞和分布时滞的BAM神经网络的全局耗散问题,基于稳定性理论,结合线性矩阵不等式,将问题转化为求线性矩阵不等式可行解问题,这样就得到系统是全局耗散的新准则,最后通过实例可验证结论的正确性。