从某种程度上来讲,人类在实际生活中,遭遇模糊因素是在所难免的。实际上,模糊符号经常被用来解释一些比较广泛的细节描述。研究模糊神经网络的稳定性既有趣又重要,因为模糊神经网络是图像处理以及模式识别的基石。众所周知,噪音和脉冲扰动是引起神经网络不稳定的主要来源,因此在研究神经网络稳定性的时候,噪音或者是脉冲应该被考虑在内。带有噪音或者脉冲的模糊神经网络系统被称为是随机模糊神经网络或者是含脉冲的模糊神经网络。就我所知,还没有文章研究过脉冲扰动下的含马尔科夫跳跃的随机模糊神经网络的稳定性。本文研究了一类脉冲扰动下的含时滞和马尔科夫跳跃的随机模糊神经网络系统模型在均方意义下是全局渐进稳定的。第一章是绪论,主要阐述了脉冲扰动下的模糊神经网络稳定性的相关背景及意义,介绍了本文所研究的脉冲扰动下的含马尔科夫跳跃的随机神经网络系统模型以及在动力学系统中所应用到的稳定性理论,然后介绍了本文的主要工作。第二章,提出了一种新颖的能确保所我们研究的神经网络系统的平衡点在均方意义下全局渐进稳定的充分条件,并应用随机分析方法、线性凸组合、Jensen不等式以及自由权重矩阵等方法,使得这一充分条件得到了证明。最后举例并通过Matlab验证其可行性。