近年来,人工神经网络的研究成为时下热门。在众多神经网络模型中,由Cohen和Grossberg提出的Cohen-Grossberg神经网络模型的发展尤为突出。因其独有的特性,被广泛应用于模式识别、计算机视觉、联想记忆、优化控制等领域。同时,脉冲现象普遍存在于许多工程系统中,脉冲控制也以其容易实现且成本低廉的特有优势,使其成为用来维持系统稳定的一种重要控制手段。另外,在实际工程中,执行器饱和现象是不可回避的问题。执行器饱和现象因其不光滑的特性,不仅会影响系统的运行性能,甚至会造成系统的不稳定。然而,目前对于具有执行器饱和脉冲输入神经网络的研究还处于初级阶段。因此,深入研究此类控制系统有着重大意义。当然,鉴于Cohen-Grossberg神经网络的高度非线性,在加入抗饱和脉冲控制后,可能仍然达不到全局稳定,所以在考虑实现系统全局稳定的同时,还需要考虑系统可能出现的局部渐近稳定。又因局部渐近稳定时,平衡点吸引域代表着Cohen-Grossberg神经网络的纠错能力及优化能力。因此本文将重点研究具有执行器饱和脉冲输入的离散Cohen-Grossberg神经网络的吸引域估计,主要研究成果包括如下两个方面:第一,研究了具有执行器饱和脉冲输入的离散线性模型的稳定性及吸引域问题。在原离散线性系统呈发散或收敛趋势时,通过构建脉冲饱和控制器以达到全局稳定;原系统只能达到局部稳定时,利用椭球体不变集等手段对系统平衡点吸引域进行估计。第二,研究了具有执行器饱和脉冲输入的离散Cohen-Grossberg神经网络系统模型,通过凸包表示法处理饱和非线性项,并构建Lyapunov函数,得到系统全局稳定性判据。系统局部渐近稳定时,获得相关吸引域的估计值,并尝试优化结果,得到最大估计值。