本文主要分析了Cohen-Grossberg神经网络（CGNNS）的概周期解的存在性、唯一性及稳定性等动态特性。全文共分为以下几章：在第一章中，主要介绍了神经网络的研究与发展状况、Cohen-Grossberg神经网络的研究背景以及探究Cohen-Grossberg神经网络概周期解的存在性、唯一性、稳定性的相关研究进展；在第二章中，在时间尺度上考虑带有分布延迟的Cohen-Grossberg神经网络的概周期解的存在性、唯一性和全局指数稳定性。在本章中，没有考虑激励函数的有界性，首先利用不等式技巧，保证了CGNNS模型概周期解的在性和唯一性。又通过构建合适的Lyapunov函数，得到了一些能保证模型全局指数稳定性的充分条件，同时，由于激励函数条件的宽松以及时间尺度的特性，和已经得到的一些结论相比，本章得到的结论更具一般性。在第三章中，考虑带有中立型分布延迟的随机Cohen-Grossberg神经网络模型。在本章中，首先，利用压缩映射原理和不等式技巧，给出了一些充分性条件来保证模型的概周期解的存在性和唯一性。接着利用非负半鞅收敛定理，来探寻随机CGNNS的几乎确定指数稳定性，得到了一些很好的结论。在第四章中，考虑带有混合延迟的随机Cohen-Grossberg神经网络模型。在本章中，利用Lyapunov方法、随机分析技巧以及不等式技巧，得到了一些充分性条件来保证随机CGNNS均方意义下的指数稳定性。在第五章中，将考虑CGNNS的概周期解的一种推广的解：概自守解。首先将对模型进行简化和半离散化，接着利用压缩映射原理，给出一些充分性条件来保证模型的概自守解的存在性，得到了一些很好的结论。在每章的理论结果后边，会给出相应的数值仿真例子来验证理论结果的有效性和可行性。