چکیده: ماشین های بردار پشتیبان ابزارهای قدرتمندی برای طبقه بندی داده ها و رگرسیون هستند. در سال های اخیر، الگوریتم های سریع بسیاری برای ماشین های بردار پشتیبان توسعه یافته اند. از ماشین بردار پشتیبان در بسیاری از کابردهای نظامی و مهندسی، مسائل زمان واقعی، مانند طبقه بندی در محیط الکترومغناطیسی پیچیده، تشخیص در پزشکی و ... استفاده می شود. با توجه به این که روش های همگرایی عددی نیاز به محاسبات بیشتری داشته و نمی تواند نیاز ما در مسائل زمان واقعی را برآورده سازد، یک روند میسر و امیدوار کننده برای آموزش ماشین های بردار پشتیبان در زمان های واقعی بکارگیری شبکه های عصبی بازگشتی بر پایه اجرای دوره ای است. در این رساله ما با معرفی شبکه عصبی به حل مسائلی از بردار پشتیبان مانند مساله رگرسیون بردار پشتیبان و نیز مساله رگرسیون بردار پشتیان تصادفی با قیدهای احتمالی توسط شبکه عصبی می پردازیم. ثابت می کنیم نقطه تعادل شبکه عصبی با جواب بهینه مساله بردار پشتیبان معادل هستند. هم چنین پایداری و همگرایی شبکه عصبی ارائه شده اثبات خواهد شد. در نهایت با ارائه مثال هایی نتایج نظری را تایید می کنیم.