近年来,神经网络理论与技术得到了迅猛的发展,尤其在工业领域,临床医学,经济活动等方面获得了大量的应用；并且利用神经网络可以建立模式识别人脸系统,全自动模式识别系统等。因此对神经网络系统的稳定性研究具有重要的理论和应用价值。本文的主要目的是研究具有混合时变时滞的神经网络的H∞控制的状态估计问题,采用泛函微分方程和神经网络理论讨论三类神经网络系统,取得了如下研究成果：首先研究了一类具有离散时变时滞的神经网络的H∞控制问题,通过构造合适的Lyapunov-Krasovski泛函,利用不等式的分析技巧,证明了构造的辅助泛函是正定的,进而建立了神经网络系统的H∞控制的标准,通过数值举例,说明了我们获得的结果的有效性。其次研究了具有混合时变时滞的神经网络的稳定性问题,采用时滞分割技术,构造出了相应的Lyapunov-Krasovski泛函,利用线性矩阵不等式的方式,给出了系统的平凡解渐近稳定的条件,通过数值举例,表面了我们获得的结果更具有优越性。最后研究了具有混合时变时滞的神经网络的H∞控制状态估计问题,根据激活函数的特点,构造了合适的Lyapunov-Krasovski泛函,在增加零项的条件下,建立了具有混合时变时滞的神经网络的H∞控制的判据,数值举例表明了我们获得结论的有效性。