由于持续驻留时间切换规则具有相对于驻留时间切换规则和平均驻留时间切换规则的广泛性,以及递归神经网络所具有的反馈等特性,持续驻留时间切换递归神经网络可用于描述一些复杂的非线性网络系统,与此同时,获取前述切换系统的内部状态对控制目标的实现具有重要意义。在持续驻留时间切换规则下,本文主要研究连续与离散时间下切换神经网络的状态估计问题。具体内容如下:1.考虑一类连续时间下持续驻留时间切换神经网络的指数_?滤波问题,主要目的是基于系统测量输出设计一个模态依赖的滤波器并确保所得滤波误差系统是全局一致指数稳定的且满足₂-增益的_?性能。通过选择适当的Lyapunov函数并结合切换系统理论,在充分考虑所采用的切换信号的切换频率下,推导出可满足前述要求并确保所处理问题可行解存在的标准。最后,通过常见的解耦方法获得滤波器增益,并借助连续时间下持续驻留时间切换规则的生成算法,利用一个数值仿真示例说明所设计的滤波器的有效性。2.考虑一类具有随机丢包的离散时间下持续驻留时间切换神经网络的能量-峰值滤波问题,主要目的是设计一个可以确保所得滤波误差网络系统是均方指数稳定的并满足能量-峰值性能的滤波器。使用服从伯努利分布的随机变量描述前述的随机丢包现象。此外,为减轻通信信道的负担,利用对数量化器对所使用的测量输出进行量化。而后借助于合适的模态依赖的Lyapunov函数和切换系统理论,得到可确保满足前述要求以及所要解决问题的可行解存在的充分条件。最后,通过数值仿真例子说明所提方法的可行性。3.考虑一类基于估计器的离散时间下持续驻留时间切换惯性递归神经网络的有限时间有界性分析问题,主要目的是设计一个状态反馈控制器以确保所得到的闭环系统是有限时间有界的。根据所研究的开环系统的测量输出构建切换惯性估计系统,再利用所得到的估计状态设计所需要的状态反馈控制器。结合模态依赖的能量函数与切换系统理论,得到可保证所得的估计误差系统是指数稳定的,且闭环系统是有限时间有界的标准。利用一个简单的解耦方式得到相关的估计器和控制器增益,并通过一个数值仿真例子验证所提方法的有效性。