神经网络研究的重要意义已经为许多科学家所承认,它是计算智能发展的一个主流方向,在关于神经网络的文献中,带有一个或者更多反馈回路的神经网络被称为递归神经网络,这类神经网络可以被用于解决许多计算问题,但是它要被用于解决计算问题,就需要它的动力学行为具备一些条件,例如平衡点全局或者局部稳定性,甚至要求它的平衡点是全局或者局部指数稳定的。所以近年来,国内外不少学者对递归神经网络模型动力学行为性质产生了浓厚的兴趣,进行了广泛而深入的研究,出现了非常多的研究成果。本学位论文主要研究了时延Hopfield神经网络平衡点吸引域估计以及通过标准反馈控制使一类时延神经网络稳定化。在前两章交代了研究的背景知识以及最新的研究现状以后,本文主要用两章来分别讨论所研究的两个具体问题。第三章主要讨论时延Hopfield神经网络平衡点吸引域估计。分别针对带离散时间延迟和带分布式时间延迟的Hopfield神经网络,得出了平衡点局部指数稳定的充分条件,同时提出了一种指数稳定平衡点的吸引域的估计方法。这些条件和估计的公式是由网络参数、神经元激活函数以及相应的平衡点构成,所以它们很容易使用,相信这些结果对于带时间延迟的Hopfield神经网络的设计和应用具有一定的重要性和使用价值。第四章研究了通过标准反馈控制使一类时延神经网络稳定化。通过使用Lyapunov方法,我们得到了一类时延神经网络经过标准反馈控制后的稳定条件,这类神经网络涵盖了几种著名的神经网络,如Hopfield神经网络、细胞神经网络,同样,本章所得到的结论也是简单的代数表达式,使用非常方便,最后在用计算机通过做数值实验对这些结论进行了验证。