神经网络在神经生理学、神经解剖学的范畴内,指的是生物神经未网络;在信息计算机科学等领域内,指的是向生命学习而构造的人工神经网络。神经网络的研究实质是ANN 向BNN 学习的问题;1982 年,美国加州理工学院生物物理学家Hopfield 提出了神经网络的模型-Hopfield 神经网络模型,有力的推动了神经网络理论的研究,同时Hopfield 还引入“计算能量函数”的概念,给出了网络稳定性的判据和电子电路实现,为神经计算机的研究奠定了基础。人工神经网络是模拟生物脑结构和功能的一种信息处理系统,虽然目前的模仿正处于低级水平,但已经显出一些与生物类似的特点:大规模并行结构,信息的分布式存储和并行处理,具有良好的自适应性,自组织性和容错性,具有较强的学习、记忆、识别功能等等。神经网络系统的理论和实践中,神经网络的稳定性始终是一个至关重要的问题。一个好的Hopfield 神经网络系统具有稳定性好、对各类输入能产生响应等特性。因此Hopfield 神经网络系统具有较好的理论和实践意义。本文讨论了无时滞神经网络和时滞神经网络的稳定性。本文分四章:第一章为引言,主要介绍了本文的选题背景。第二章讨论了无时滞反馈型神经网络的指数稳定性。第三章介绍了变时滞神经网络的稳定性。第四章研究了时滞细胞神经网络的稳定性。