1987年,Kosko将单层单向记忆神经网络推广到双层双向联想记忆神经网络(Bi-direction Associate Memory),简记为BAM神经网络。由于这类神经网络能存储双极向量对,并在模式识别、联想记忆、人工智能等方面有广泛应用,对这类模型的研究引起很多学者的关注。1996年,T. Yang和L. B. Yang等把模糊逻辑和细胞神经网络结合起来,提出了另一类基本的神经网络——模糊细胞神经网络。不像传统的神经网络,模糊神经网络(模糊BAM神经网络)在它的输入和输出模板间加上了模糊逻辑,因此,它既保留了传统模型的特性和细胞间的局部连接,便于分析神经网络的稳定性,又能作为与传统模型的连接,为系统增添了新的特征。近期,带模糊项的神经网络的稳定性研究引起了广大学者的极大兴趣。实际上,由于客观原因,时滞不可避免地会出现在神经网络模型中,而时滞的引入又可能导致神经网络出现不稳定或动荡。因此,深入研究带时滞的BAM神经网络的动力学行为有很重要的现实价值。然而严格地说,当电子在不对称的电磁场运动时,需要考虑扩散作用的影响。本文还研究了带反应扩散项的BAM神经网络的稳定性。文献中,研究具有时滞影响的模糊BAM神经网络稳定性的文章并不多见。本文在前人所做研究的基础上对模型加以改进,得到了这些模型的平衡点的唯一性和指数稳定性、全局指数稳定性以及全局渐近稳定性的若干新判据。本文主要考虑带模糊的BAM神经网络的稳定性,主要内容如下：第一章简要介绍了这一问题的背景,研究现状及本文研究的内容及主要结论。第二章讨论了一类具有分布时滞的模糊BAM神经网络模型的指数稳定性。利用压缩映像原理证明了该模型存在唯一正平衡点,然后通过构造Lyapunov泛函以及激励函数的性质证明了平衡点的指数稳定性。最后给出一个例子说明所得结果的有效性。第三章研究了一类具有变时滞的模糊BAM神经网络模型的全局指数稳定性。通过不动点定理和Halanay型不等式,我们获得了平衡点的存在唯一性和全局指数稳定性的充分条件,最后给出一个例子说明结果的有效性。第四章研究了一类具有反应扩散项的分布时滞模糊BAM神经网络的全局渐近稳定性。通过数学分析技巧和构造Lyapunov泛函,获得了平衡点全局渐近稳定性的一个充分条件,最后给出一个例子说明了所得结果的有效性。