神经网络的许多结果只依赖于时间,不考虑模糊和空间,然而真正的神经网络中,电子在不对称电磁场中运动时不能避免扩散效应,所以状态变量会随着时间空间的变化而变化,且不精确.本文研究了具有混合时滞的随机神经网络的指数稳定性问题。通过构造合适的Lyapunov-Krasovskii函数,应用随机分析理论:Ito’s公式和邓肯公式,建立具有多比例时滞和分布时滞的模糊随机神经网络的模型,其中多比例时滞是一种无边界时变延迟,推导出系统状态稳定的均方指数输入的新的充分条件。然后基于一个新的Lyapunov-Krasovskii函数和庞加莱不等式以及随机分析理论,建立了具有时变时滞,多比例时滞和分布时滞的随机反应扩散BAM神经网络的模型,得到了新的保证随机指数稳定的充分条件。所得结果表明,混合时滞和反应扩散确实有助于所考虑系统的指数稳定,易于验证,且比以前发表的有关随机神经网络的均方指数输入状态稳定性的文献保守性小.并举例说明了理论结果的有效性。