本文利用时标理论、压缩映射原理、重合度的全连续定理、M-矩阵、Poincare映射、拓扑度、Lyapunov泛函方法和不等式技巧,在时标上讨论了Cohen- Grossb-erg神经网络的全局指数稳定性,获得了一些新的结果,统一了在相同条件下连续系统和离散系统的结果,扩展了神经网络设计的范围,在理论和应用中都有重要的意义.　　全文共分4章.　　在第1章中,我们简单介绍问题研究的背景,以及近年来许多学者研究的Cohen-Grossberg神经网络模型,然后,给出了本文的主要工作和本文中需要用到的一些基本定义和基本引理,　　在第2章中,我们主要利用压缩映射原理,不等式技巧,通过构造适当的Lyapunov函数,在时标上讨论了具有分布时滞和有界时滞的Cohen-Grossberg神经网络的平衡点的存在性和全局指数稳定性,得到了新的充分条件,统一了连续和离散情形下两种系统.　　在第3章中,我们主要利用M-矩阵,重合度的全连续定理,构造适当的Lya-punov函数,在时标上得到具有分布时滞和有界时滞的Cohen-Grossberg-BAM型神经网络的周期解的存在性和全局指数稳定性的充分条件.　　在第4章中,我们主要利用拓扑度理论,不等式技术和Lyapunov泛函方法,在时标上研究了具有中立型有界时滞和分布时滞的Cohen-Grossberg神经网络,得到了该模型平衡点的存在性和全局指数稳定性的新条件,推广了以前的结论。