反馈型神经网络的随机控制研究是数学、随机过程和现代控制等理论学科之间的交叉学科,有着广阔的应用前景。随着科学技术的发展,反馈型神经网络的应用研究领域变得愈加宽广,而衡量一个系统最重要的指标就是其稳定性,因此反馈型神经网络的稳定性问题受到众多学者的关注。针对反馈型神经网络的随机控制问题,利用离散状态的随机反馈研究反馈型神经网络的经典网络形式——H?pfield神经网络。通过引入离散状态的随机反馈控制,使得H?pfield神经网络变得几乎处处指数稳定。具体内容包括:首先介绍了反馈型神经网络的类型、布朗运动和It?型随机微分方程的基础知识,讨论It?理论的发展过程,描述了连续型H?pfield神经网络为何可以由一个常微分方程表示,为后文的理论证明奠定基础。其次,介绍随机系统基础理论和确定性微分系统的随机镇定理论。讨论了随机干扰用于镇定确定性微分系统的原理,以及随机干扰除镇定作用外的其他作用。再次,给出离散随机反馈镇定H?pfield神经网络的定理、假设、引理和证明等过程。针对问题选取基于离散状态观测的随机反馈控制H?pfield神经网络,引入辅助系统,通过比较原则方法使得随机受控H?pfield神经网络以指数形式收敛,实现反馈型神经网络的随机镇定化,并且得到了任意两个连续观测点之间的持续时间的上限值。最后,给出随机反馈控制H?pfield神经网络系统的数值模拟结果。利用Matlab数学软件模拟了基于布朗运动的离散随机反馈,使用欧拉法对引入离散随机反馈的受控H?pfield神经网络进行数值求解,结果表明此受控系统是以指数形式收敛的,进而验证了文章结论,离散随机反馈稳定了不稳定的H?pfield神经网络,实现了反馈型神经网络的随机镇定化。图9幅;表3个;参56篇。