神经网络是一种用来模拟人脑结构和功能进行信息处理的系统,它在联想记忆、优化、信号处理、模式识别和保密通信等方面有着广泛的应用,而这些应用都建立在系统具有理想的动态行为和同步状态上.此外,时滞在神经网络的实现中是不可避免的,它的存在往往会导致系统产生不良行为.因此,对时滞神经网络的动态特性进行研究是具有理论和现实意义的.本文致力于几类时滞神经网络的研究.利用线性矩阵不等式方法、Lyapunov泛函方法、矩阵测度法、广义的Halanay不等式和一些分析技巧,得出了几类时滞神经网络稳定和同步的充分判据.本文的主要工作总结如下:讨论了一类具有状态依赖时滞的神经网络的稳定性.建立了一类具有状态依赖时滞的神经网络模型,运用纯分析方法和归谬技巧得出了系统局部指数稳定的几个充分准则.研究了事件触发控制下一类具有常时滞的混沌主从神经网络的量化同步.在给定的动态事件触发策略下,利用线性矩阵不等式方法和推广的Halanay不等式,设计了可行的量化输出反馈控制器来确保混沌主从神经网络拟同步的实现,同时给出了同步误差界的估计和采样区间的下界.探讨了事件触发控制下具有混合时滞和参数不匹配的忆阻神经网络的多种模式函数同步.通过Lyapunov泛函方法、矩阵测度法和改进的Halanay不等式,实现了具有状态依赖参数不匹配的忆阻神经网络和具有结构依赖参数不匹配的忆阻神经网络在事件触发控制下的多种模式函数同步,改进了现有结果.本文针对几类时滞神经网络,研究其在不同情况下的动力学行为,特别是具有状态依赖时滞神经网络的研究,可能会引起研究人员对具有运动学和动力学特征的新型神经网络模型的理论和应用的兴趣.