近年来，神经网络系统在信号处理、模式识别、最优化问题等各个方面都得到了广泛的应用，但其在网络化应用中由于网络环境中存在网络时延、丢包、量化等因素的影响，会降低神经网络性能，并可能导致神经网络不稳定，因此，针对神经网络系统，考虑时滞和量化的影响具有十分重要的理论意义和应用价值．同时，为有效节约宽带资源、减少网络负荷，如何设计合适的事件触发机制也已成为网络化神经网络领域的研究热点．然而，基于事件触发和量化的神经网络系统的综合问题，还缺乏系统性研究，仍有很多问题需要讨论．基于此，本文针对网络化时滞神经网络系统，提出相应的事件触发器和量化器，进而研究其状态估计器和滤波器的设计问题．具体从以下几个方面开展研究：　　（1）考虑具有事件触发和量化的时滞神经网络系统，基于Lyapunov-Krasovskii泛函稳定性理论和线性矩阵不等式技术等方法，获得系统渐近稳定和状态估计器存在可行解的充分条件，最后给出仿真实例来说明该方法的有效性．　　（2）基于时滞神经网络系统，通过引入相似的事件触发机制和对数量化器，建立相应的系统模型，采用线性矩阵不等式技术，给出求解H∞滤波误差系统指数稳定的充分性条件和该类滤波器参数表达式．最后，通过Matlab仿真实例来验证所提方法的可行性．　　最后，总结了本文研究的主要内容以及今后的研究方向．