关于神经网络稳定性研究已经有许多年的历史了，到目前为止也取得了许多显著的成果.神经网络可以用来解决许多问题，因此研究神经网络的稳定性具有极其重要的意义.　　而在实际的生活中，不确定性因素是客观存在的，用确定性方法描述不确定的系统可能会使结果有很大的偏差.因此，在研究各种系统的时候，考虑系统的不确定性是有重要意义的，其中系统的不确定性因素主要有随机、模糊性、不一致性、不稳定性等.基于上述原因本文研究了两类中立型随机时滞神经网络的稳定性.　　第一章，先介绍了神经网络的发展背景及研究的概况及一些基础理论，最后介绍了本文的研究工作.　　第二章是利用线性矩阵不等式，Lyapunov函数和鞅收敛定理研究了中立型随机时滞 Cohen-Grossberg神经网络模型的p阶矩??稳定性和几乎处处?稳定性，推广了部分文献已有关于指数稳定性的结果.　　第三章是利用线性矩阵不等式，Lyapunov函数和鞅收敛定理研究了中立型随机时滞模糊细胞神经网络模型的p阶矩??稳定性和几乎处处?稳定性，推广了已有关于指数稳定性的结果.　　最后是对论文工作的总结，及以后研究的展望.