神经网络系统在信号处理、组合优化、自动控制、模式识别等很多领域上都有应用.变时滞性和不确定性现象普遍存在于神经网络控制中,并且常常是使得系统不稳定的重要因素.本文主要讨论了时滞模糊神经网络的稳定性、同步和随机系统的自适应同步.稳定性和同步性的讨论主要基于Lyapunov稳定性理论和Dini导数的相关理论.首章绪论部分概述了模糊神经网络的应用领域、国内外发展的现状,本文的研究内容与总体结构以及本文的一些创新之处.第二章给出了相关的预备知识,包括相关定义、指数稳定、指数同步、自适应同步理论,以及本文用到的引理.第三章研究了具有分布式时延的模糊神经网络的指数稳定性.利用均值不等式和Lyapnunov泛函的理论,得出了该模型全局指数稳定性的充分条件.通过设计实例与现有结论比较,说明本文结果是可行优越的.第四章研究了一类带有分布式延迟的时变模糊系统的指数同步.通过构造合适的反馈控制矩阵,利用Dini导数和引入相关实参数,估计函数的上界方法,找到使该系统指数同步的充分条件.通过与相关论文比较和具体实例验证,说明本文结论的有效性和优越性.第五章研究了随机模糊神经网络的自适应同步.采用分步非线性控制反馈,通过构造合适的Lyapunov函数,运用随机扰动的相关理论,得到了随机模糊神经网络的自适应同步.最后用仿真验证了结论的正确性,并与已有结论进行比较,证明本文结论的优越.