1、人工神經(jīng)網(wǎng)絡(luò)（artificial neural network，ANN），一種模擬人腦處理信息機(jī)制的網(wǎng)絡(luò)系統(tǒng)，是以現(xiàn)代神經(jīng)生物學(xué)研究為基礎(chǔ)的。它不但具有處理數(shù)值數(shù)據(jù)的計(jì)算能力，而且還具有處理知識(shí)的思維，學(xué)習(xí)和記憶能力。由于神經(jīng)網(wǎng)絡(luò)的收斂性，容錯(cuò)性，魯棒性及推廣性都較好，隨著人們對(duì)神經(jīng)網(wǎng)絡(luò)的認(rèn)識(shí)不斷加深以及人工神經(jīng)網(wǎng)絡(luò)智能水平的提高，人工神經(jīng)網(wǎng)絡(luò)將在科學(xué)技術(shù)領(lǐng)域發(fā)揮更大的作用，其中一個(gè)非常重要的應(yīng)用就是混雜系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制。
　

2、　在實(shí)際生活中，我們所遇見的系統(tǒng)是非常復(fù)雜的，具有“非線性”、“強(qiáng)耦合”、“無窮維”、“隨機(jī)性”、“不確定性”等多種復(fù)雜特性的組合。本文所研究的切換隨機(jī)動(dòng)態(tài)系統(tǒng)是一類特殊的混雜系統(tǒng)，是由一族子系統(tǒng)和描述它們之間聯(lián)系的切換策略所組成。每一個(gè)子系統(tǒng)都帶有一個(gè)隨機(jī)項(xiàng)來模擬現(xiàn)實(shí)生活中一些隨機(jī)產(chǎn)生的現(xiàn)象，例如白噪聲等。本論文試圖將'It o微分方法，神經(jīng)網(wǎng)絡(luò)控制以及Back-stepping控制等方法引入切換隨機(jī)非線性動(dòng)態(tài)系統(tǒng)的研究中以尋求一些關(guān)

3、鍵問題的解決方法。
　　論文的主要?jiǎng)?chuàng)新性工作如下:
　　1.給出了一類切換非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)滑?？刂品椒?。該方法利用滑?？刂坪蜕窠?jīng)網(wǎng)絡(luò)控制方法，用RBF神經(jīng)網(wǎng)絡(luò)去逼近非線性系統(tǒng)中未知非線性部分的一個(gè)上界和下界，由此設(shè)計(jì)出來的神經(jīng)網(wǎng)絡(luò)滑?？刂破骺梢允沟迷撓到y(tǒng)是可切換鎮(zhèn)定的。
　　2.給出了一類隨機(jī)非線性系統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制方法。該方法首先利用RBF神經(jīng)網(wǎng)絡(luò)對(duì)隨機(jī)切換非線性系統(tǒng)進(jìn)行離線建模，得到其近似系統(tǒng);將網(wǎng)絡(luò)建模誤差與