随着计算机、通信和控制技术的不断发展,网络化控制系统如今已在生产、生活中得到了广泛应用。由于网络带宽有限,导致网络中存在一些非理想的问题,比如通信过程中数据的时延、丢包、乱序等。传统的控制系统采用周期触发的方式传输数据,对网络而言这种触发方式会占用较多的带宽资源。为解决这一问题,学者们提出了事件触发机制,它使得前后两个触发时刻间隔不少于一个采样周期,从而减少网络中数据的传输量。另一方面,神经网络已在众多领域中得到广泛的应用,而由于传输媒介物理器件的限制,时滞成为影响神经网络稳定性的主要原因之一。因此,无论是对时滞神经网络的稳定性问题,还是状态估计问题的研究,都仍有着较大的理论意义与实用的价值。时滞神经网络的状态估计或滤波问题已有大量研究成果,但对网络化下基于事件触发机制的时滞神经网络研究还很少,很多问题和结果还需进一步研究。本文研究了三类时滞神经网络的状态估计与滤波问题,主要研究成果包括以下三个部分:（1）针对一类连续时间的递归时滞神经网络,研究了其在事件触发机制下的状态估计问题。同时考虑信号的量化,网络传输时延和神经元信息延时,将系统模型建立为多时滞系统,根据Lyapunov稳定性理论、自由权矩阵方法、时滞分割法,提出了事件触发条件和状态估计器的联合设计方法,得到了渐近性能的状态估计器。（2）研究了一类离散时滞神经网络在事件触发机制下的L_∞滤波问题。同时考虑神经元延时和网络延时,将系统模型建立为多时滞系统;考虑输出测量丢失的情况,构造Lyapunov-Krasovskii泛函,利用时滞分割法,线性矩阵不等式处理技术,Jenson不等式,分析了滤波系统的稳定性,并且提出了一种具有自适应触发参数的滤波器设计方法。（3）针对具有混合时滞的离散神经网络,研究了基于事件触发机制的L₂-L_∞滤波问题。考虑传感器饱和与信号量化,将系统模型包含神经元时滞、分布时滞与通信网络时滞,利用Lyapunov-Krasovskii泛函方法,非线性处理技术,时滞分割法,线性矩阵不等式处理方法,获得了具有L₂-L_∞滤波的性能的系统的充分条件,设计了L₂-L_∞滤波器。