本学位论文对几类二元离散神经网络模型的动力学性态进行了定性分析，讨论了这些神经网络模型的稳定性、渐近稳定性、周期解的存在吸引性、Flip-分岔和Neimark-Sacker-分岔，全文共分五章。 第一章简单地回顾了神经网络的发展历史和该领域的研究现状，同时对本文将要讨论的神经网络模型的背景进行了说明，并给出了将要用到的记号和定义。 在第二章中，我们讨论了一类具McCulloch-Pitts型不连续信号传输函数的离散二元神经网络模型，通过以阈值作为参数，我们获得了当阈值的绝对值较大时，系统将收敛的结论；对于绝对值较小的阈值情形，我们利用分析技巧通过构造回复映射讨论了其周期解的存在性与吸引性，并发现不同周期的周期解有着十分有趣的分布规律。 在第三章中，我们讨论了一类具McOulloch-Pitts型不连续信号传输函数的无衰变离散二元神经网络模型。首先我们证明了模型的每一个解都是有界的， 同时证明了每个有界解都是终于周期的， 因而我们得到了一个十分简洁的结论，即系统的所有解都是终于周期解的。 在第四章中，我们讨论了具标准饱和信号传输函数的离散二元神经网络模型，得到了系统稳定和存在周期解的相关结果，通过对兴奋-兴奋型和兴奋-抑制型两类离散二元神经网络模型的分析可以发现：这两个模型具有的动力学性态差别很大。同时对于兴奋-抑制型情形，我们讨论了多个吸引周期解的共同存在性。 在第五章中，我们考虑了一类具自反馈的离散二元神经网络模型，通过选取适当的参数，讨论了模型平衡点的稳定性，Flip-分岔和Neimark-Sacker-分岔。利用中心投影方法我们给出了分岔方向和稳定性的计算公式，并利用计算机对Neimark-Sacker-分岔进行了模拟验证。