近二十年来,由于时滞神经网络在模式识别、信号处理、人工智能、数字图像处理、全局优化以及数据挖掘等方面中有着重要的实际应用,时滞神经网络的动力学问题在学术界得到了广泛的关注,也引起了人们极大的研究兴趣。本文在前人研究成果的基础上主要对两类时滞神经网络(即,混沌时滞神经网络和时滞BAM神经网络)的镇定与同步进行了进一步的研究,取得了一些较为深刻的结果,在一定程度上丰富和完善了前人的研究成果。具体地说,本论文的主要研究内容和研究成果如下:1.基于新型间歇控制的混沌时滞神经网络的完全同步我们引入了在一个控制周期内含有两次切换的间歇控制方法,并应用到混沌时滞神经网络完全同步的研究中。然后通过构造合适的Lyapunov函数和利用一些不等式技术,得到了混沌时滞神经网络在这种新型间歇控制下实现完全同步的充分条件。最后,我们通过两个具体的数值实例的模拟仿真验证了所得理论结果的有效性。2.基于矩阵测度方法的时滞BAM神经网络的镇定与同步在对当前相关结果分析的基础上,有别于传统的Lyapunov函数方法,提出了一种基于矩阵测度的新方法并应用于时滞BAM神经网络的镇定与同步分析,并利用状态反馈控制,得到了时滞BAM神经网络平衡点全局指数稳定的判定准则,同时获得了驱动-响应时滞BAM神经网络全局指数同步的充分条件。最后,我们通过一个具体的数值实例的模拟仿真,并与已有相关文献的结果进行比较,验证了我们所得到的理论结果具有更好的实用性和有效性。