本文研究了噪声、时滞和联结权矩阵摄动下全局指数稳定递归神经网络的鲁棒性,给出了改进的稳定性判据.噪声强度、时滞以及联结权矩阵不确定性的上界可通过含有调节参数的超越方程所给出,通过对调节参数的选取,它们的上界可进一步的改进.另外,我们得到摄动神经网络更加稳定的噪声强度上界.通过仿真算例可以验证方法的有效性.第二章分别建立了受噪声干扰的递归神经网络模型和时滞递归神经网络模型,利用神经网络全局指数稳定性条件,不仅得到了随机递归神经网络和随机时滞神经网络的改进的鲁棒性结果,而且量化了摄动神经网络解更加稳定的噪声强度.第三章讨论了时滞对随机神经网络解的稳定性影响.首先讨论了在系统漂移部分加入时滞项,我们通过直接估计时滞的上界的方法来分析摄动的随机泛函系统全局指数稳定性;在此基础上,在原系统的漂移部分和扩散部分都加入时滞项,讨论了摄动神经网络系统的全局指数稳定性,分析上述两种情况的鲁棒性.第四章讨论了联结权矩阵不确定性对随机递归神经网络稳定性的影响.一方面,本章改进了基于联结权矩阵摄动下随机神经网络的全局指数稳定性结果;另一方面,给出了联结权矩阵摄动下随机时滞递归神经网络全局指数稳定的结果.第五章总结了全文的工作,提出了一些有待解决的问题并对下一步的研究工作进行了展望.