近年来,神经网络稳定性已经被广泛研究和应用在一些工程领域,例如:联想记忆,最优化选择,动态系统,模式识别,图像处理,和计算机技术等等。众所周知,时滞在现实系统中时常发生,在很多不同的领域和神经网络系统中将会导致系统不稳定、震荡、和其他不良后果。因此,具有时变时滞神经网络的稳定性分析在理论和实践中尤为重要。在这篇论文中,我们主要讨论了三类时变时滞神经网络稳定性问题。首先,讨论了一类具有离散分布的变时滞鲁棒无源性神经网络稳定性的条件,通常用Jensen不等式去处理积分不等式或者合适维数的自由权矩阵。在这篇文章中,我们对Lyapunov泛函或者被分割成多个子区间的积分项进行处理的时候多次应用了比Jensen不等式更精确的不等式和处理方法,并且将区间分成两个子区间,分别对每个子区间进行处理,也在一定程度上减少了神经网络系统条件的保守性。其次,讨论了一类具有时变时滞连续型细胞神经网络稳定性,其中包含单个时变时滞的系统稳定性研究,通过构造新的合适的Lyapunov泛函,以及对Lyapunov泛函导数的放大处理,同时也讨论时变时滞上下界的关系,对上下界的细分,利用不同的不等式,增加零项的处理方式来降低系统稳定条件的保守性,得到我们想要的结果。最后,讨论了一类具有单个时变时滞中立型神经网络系统的鲁棒稳定性。中立型时滞神经网络系统是一种比较特别的时滞系统,它是一种不仅与过去状态有关,而且过去状态的变化可以对现在状态的变化产生影响的一类时滞神经网络系统。所以研究起来较一般系统考虑和处理的情况也更加复杂与繁琐.我们利用Lyapunov稳定性理论,通过构造适当的Lyapunov泛函,利用不同的不等式,增加零项的处理方式来降低系统的保守性,得到了我们想要的结果。