神经网络是对人类大脑神经元网络进行抽象而建立起来的一种大规模的非线性动力系统,本质上是一种并行计算器.将切换控制的思想引入神经网络便形成了切换神经网络.由于高度互连的切换神经网络为设计大规模并行处理器提供了框架,使其在图像处理、模式识别、联想记忆、优化组合等领域有潜在的应用而吸引了人们的关注.　　切换神经网络是一类非常重要的混合动态系统,由于切换的存在使得系统的动态行为十分复杂.另一方面,时滞和系统参数不确定性无法避免,时滞和不确定的存在往往会使得切换神经网络不稳定或震荡,并使得系统的分析和综合问题变得更复杂,因此针对带有时变时滞和参数不确定的切换神经网络的研究具有重要的意义.以下是本文的主要研究内容：　　讨论了一类带有时变时滞和参数不确定切换神经网络的指数稳定性问题.充分探讨每一个子系统的性质,所有的子系统被分为两类:稳定的子系统和不稳定的子系统.通过结合多李雅普诺夫泛函法和满足最大激励时间比的平均驻留时间技巧,得到了确保带时变时滞和参数不确定切换神经网络的时滞相关的指数稳定性充分条件.与以往的结果相比,我们提出的方法考虑了同时含有稳定子系统和不稳定子系统的不确定切换神经网络,而不是要求所有的子系统均稳定,因此得到了较小保守性的结论.　　分析了一类带有时变时滞和参数不确定切换神经网络的无源性和有限增益L2稳定性问题.探讨了一个带时滞的不确定切换神经网络吸收的能量,存储的能量和输出的能量之间的关系.在KYP法则的基础上，建立了新的基于线性矩阵不等式的时滞依赖无源性条件,并且深入分析了系统的状态严格无源性,输入输出严格无源性,以及从输入到输出的L2稳定性.与以往研究切换神经网络的无源性的文献相比,我们的理论模型更具有一般性,所得出的结论更具有实践意义.　　研究了一类带有时变时滞和参数不确定切换神经网络的鲁棒状态估计问题.考虑了一种比最小驻留时间和平均驻留时间更加一般化的切换信号–持续驻留时间切换.通过构建一种既依赖状态又与时间相关的类李雅普诺夫泛函和采用一种新的界技巧,给出了带有时变时滞和参数不确定切换神经网络的状态估计增广系统的指数稳定性判据和状态估计器的设计方法.值得指出的是该设计方法可用于判断时滞下界不为零的情况,且给出了时变时滞不可微时不确定切换神经网络的状态估计系统指数稳定的充分条件.　　探讨了一类带有时变时滞和参数不确定切换神经网络的鲁棒H∞控制问题.采用模式依赖的平均驻留时间法、类李雅普诺夫法和凸组合分析方法来分析和综合带有时变时滞的不确定切换神经网络的H∞控制问题.得到了不确定切换神经网络在没有外界扰动情况下的指数稳定性判据和有干扰情况下具有一定扰动抑制水平的鲁棒H∞性能的充分性条件.并且给出了关于模式依赖状态反馈控制器存在的充分性条件,这种状态反馈控制器能确保带有时滞的不确定切换神经网络指数稳定并带有一定的H∞扰动抑制水平.最后通过一个算例仿真验证了结论的可靠性.