递归神经网络具有的非线性映射特性、联想储存功能、自主学习等优点,被大范围应用于处理图像、优化组合、记忆联想、识别模式等多个领域,研究时滞递归神经网络已成为人工智能是一个关注热点问题.然而,时滞递归神经网络系统应用的理论基础是动力学稳定性,所以研究时滞递归神经网络的动力学稳定性拥有非常重要的理论与实践意义.尽管其动力学稳定性研究在一些方面已经获得了一定科学成果,但是在其稳定性理论充分条件研究上依然有很多问题待解决.本论文拟将用文献查询与调研、理论分析、算例计算、仿真数值模拟等方法,对比例时滞Hopfield神经网络、具有脉冲多比例时滞Hopfield神经网络、具有比例时滞和分布时滞BAM神经网络的稳定性进行研究.第一章的内容:概述了本文的研究背景与意义、神经网络发展过程、时滞递归神经网络国内外动力学稳定性充分条件的研究现状、本文章主要内容以及其技术研究路线.第二章的内容通过对具有比例时滞Hopfield神经网络,首先通过非线性变换将系统进行等价替换,再构造合适的Lyapunov泛函,得到Hopfield神经网络全局一致渐近稳定性的相关判据.第三章的内容通过对加入脉冲多比例时滞Hopfield神经网络系统先进行非线性变换,再消去多比例时滞,然后构造合适的Lyapunov泛函,获到加入脉冲多比例时滞Hopfield神经网络全局指数稳定性的相关判据.第四章的内容通过对具有比例时滞和分布时滞BAM神经网络进行研究,应用Banach压缩映射原理得到该系统平衡点唯一存在的充分条件,再利用Lyapunov泛函与Young不等式技巧,获到具有比例时滞和分布时滞BAM神经网络全局渐近稳定性的充分条件.第二章、第三章、第四章分别给出了具体的数值算例,并进行了数值仿真,验证了所得结果的正确性和有效性.