本文首先应用重合度理论，研究了如下时间尺度上带有脉冲的时滞高阶细胞神经网络(CNNs)系统(｛xΔi(t)=-ai（t，xi（t））[ci(t，xi(t))+m∑l=1j=1bij(t)fijl（t，xj（t-(τ)ijl（t）））+Ii（t）]，t∈T+，t≠tk，Δxi（t）=xi（t+k）-xi(t-k)=eik(xi（tk）），k∈N，i=1，2，…，n，其中T是w/2-周期时间尺度，T+=T∩(0，+∞)，ai，ci∈C(T×R，R+)，fijl∈C(T×R，R)，bijl，(τ)ijl，Ii∈C(T，R+)，i，j=1，2…，n，l=1，2,…，m，且ai，ci，fijl，bijl，(τ)ijl，Ii是w/2-反周期函数，△xi(t)=xi(t+k)-xi(t-k)=eik(xi(tk))，xi（t+k），xi(t-k)(i，j=1，2，…，n)分别代表了时间尺度意义下xi（tk）的右极限和左极限，{tk}是一个实数列，且当k→∞时0＜t1＜t2＜…＜tk→∞是固定脉冲点，并得出时间尺度上该系统反周期解的存在性的充分条件)。　　其次，又应用重合度理论，研究了如下时标上带有脉冲和连接项中具有时滞的双向联想记忆神经网络(BAMCNNs)系统(｛xΔi(t)=-ai(t)xi(t-δi(t))+n∑j=1pji(t)fj(xj(t)，yj(t-(τ)ji(t)))+ci(t)，Δxi(tk)=xi(t+k)-xi(t-k)=Iik(xi(tk)),i=1,2，…，n，t∈T+，t≠tk，k∈N,yΔj(t)=-bj(t)yj(t-ηj(t))+n∑i=1qij(t)gi(xi(t-σij(t))，yi(t))+dj(t),Δyj(tk)=yj（t+k）-yj(t-k)=Jik(yj(tk))，j=1，2，…，n，t∈T+，t≠tk，k∈N，其中T是w/2-周期时间尺度，T+=T∩(0，+∞)，LT=L∩T，ai，bj∈C(T，R+)，pji，qij，ci，dj∈C(T，R)，且ai，bj，pji，qij，ci，dj是w/2-反周期函数，0≤δi(t)≤δ和0≤ηi(t)≤η是时滞连接项，0≤(τ)ji(t)≤(τ)和0≤σij(t)≤σ代表时滞，i，j=1，2,…，n.Δxi（tk）=xi（t+k）-xi(t-k)，Δyj（tk）=yj（t+k）-yj(t-k)，xi（t+k），xi(t-k)，yj（t+k），yj(t-k)(i=1，2，…，n，j=1，2,…，n)分别代表了时间尺度意义下xi（tk），yj（tk）的右极限和左极限，{tk}是一个实数列，且当k→∞时0＜t1＜t2＜…＜tk→∞固定脉冲点，得出时间尺度上反周期解的存在性，并建立适合的Lyapunov函数得到该系统全局指数稳定性的充分条件)。