1971年,蔡少棠教授提出了忆阻的概念,由于当时半导体技术不够成熟,直到2008年惠普公司才制作出来第一个纳米级尺寸的忆阻实物。忆阻器具有很多的传统基本电路元件没有的优良特性,如低功耗、掉电后信息非易失性、纳米级尺寸、非线性特性等,在保密通信、混沌电路、人工神经网络、信息储存等研究方向有着极其广泛的应用。忆阻的记忆功能与生物突触的功能极为相似,又具有低功耗和纳米级尺寸等特点。因此,将忆阻运用在神经网络,从而实现更智能化和微型化的人工智能系统。由于当前大部分忆阻模型功能不够完善,不能较好地模拟突触的功能。同时,当前脉冲神经元结构较为复杂,不利于大规模集成化。本文提出了一种改进的忆阻模型和单电子晶体管脉冲神经元,并将其运用于联想记忆神经网络。进一步地,提出了一种较为理想的窗函数,运用在HP忆阻模型中,并设计出一种线性忆阻突触模型。最后,讨论并仿真了两个神经元利用线性忆阻突触连接的结构,并将其扩展到四个神经元网络中。本文主要工作包括了以下内容:(1)提出了一种作为联想神经网络突触改进的忆阻模型-经验学习忆阻,并分析了经验学习忆阻在不同电压条件下的性质。然后,设计了一种输入全反馈的神经网络反馈规则。基于经验学习忆阻和输入全反馈规则,设计了三个神经元的联想记忆神经网络,该网络具有经验学习、遗忘、阈值等功能。(2)通过PSPICE仿真验证经验学习忆阻的功能,并利用PSPICE构建了基于经验学习忆阻和输入全反馈的联想记忆神网络。仿真结果表明,经验学习忆阻功能较丰富,基于经验学习忆阻和输入全反馈的联想记忆神网络具有优良的性能,能够较好地实现联想记忆活动,并有一定的自学能力。(3)根据单电子晶体管的库伦振荡脉冲与脉冲神经元的脉冲相似的特点,设计了一种单电子晶体管脉冲神经元。设计了一种新的理想窗函数并运用于HP忆阻模型中,提升了忆阻突触的线性性质,并解决了端溢出和端锁效应。此外,为了方便突触权值控制,改进了串联忆阻突触。最后使用PSPICE仿真平台,构建了基于单电子晶体管脉冲神经元和串联忆阻突触的脉冲神经网络,测试了包括联想记忆建立、遗忘、重建、转移等过程。仿真结果表明,基于单电子晶体管脉冲神经元和串联忆阻突触所构建的脉冲神经网络表现出良好的特性,为单电子晶体管和忆阻的联合应用提供了新思路。