神经网络作为人工智能的一种,在理论研究和实际应用方面都取得了诸多成就。自从1982年,Hopfield神经网和相关的稳定性概念及其能量函数被提出后,神经网络系统逐渐引起了许多学者的广泛关注。时滞现象广泛存在于各种工业生产过程中,且成为系统不稳定或性能恶化的一个很重要的原因,这就使得其成为控制领域和控制工程的热门课题。相比于时滞是定值的动力学系统,含有时变时滞的神经网络模型则是对控制系统更好的模拟。一般的动力学系统都会伴随着一些不确定的扰动,因此,在对系统进行模拟的时候,加上适当的不确定性因素是现实中必须要考虑的问题,故研究时变时滞神经网络的鲁棒稳定性具有重要的意义。本文应用Lyapunov-Krasovskii泛函方法、线性矩阵不等式及自由权矩阵方法讨论了含有时变时滞的不确定性神经网络系统的稳定性问题,给出了稳定性判据,还适当地给出了数值实例,形象地说明了本文所得出结论的有效性。本文的主要工作如下：第一章绪论。本章简要地介绍了神经网络、时变时滞神经网络、不确定性神经网络的发展历史及其研究现状,同时给出本文所做研究工作的目的和意义。第二章预备知识。本章主要给出所用到的一些预备知识和一些必要的符号说明。第三章多时变时滞神经网络系统的稳定性分析。本章讨论了含有时变时滞神经网络的稳定性问题。在讨论的过程中先对含有两个时变时滞的系统进行讨论,借助Lyapunov-Krasovskii泛函方法得出了稳定性判据,又借助Matlab对得出的结果进行了有效地验证。在此基础上将研究的问题扩展到含有多个时变时滞的系统,同时也得出了新的稳定性判据。第四章不确定性多时变时滞神经网络系统的稳定性分析。本章讨论含有不确定性时变时滞的神经网络系统的稳定性问题。文中假设不确定性是范数有界的时变不确定性。在讨论稳定性判据的时候也是先从含有两个时变时滞的不确定性神经网络系统开始,然后将其推广到多个时变时滞的情形。第五章总结及展望。本章主要回顾了本文所作的主要工作,同时针对当前的神经网络发展现状给出了进一步发展的思路。