忆阻器作为一种新型的电路元件，相比于传统存储元件具有无源性、低耗能、高密度以及非易失等特性。忆阻器具有依赖于历史状态的动态连续可变电阻，这种特性与生物突触的行为具有惊人的相似性。将忆阻器与神经网络相结合，构建神经突触。忆阻器将会给人工智能领域，尤其是人工神经网络的理论和应用研究带来突破性进展。　　首先介绍忆阻器的电气理论模型和阻变机制。根据惠普实验室提出的物理模型和数学公式，建立忆阻器的simulink模型并绘制其仿真波形图，同时分析相关电气特性。在此基础上，探讨了忆阻器和人工神经网络相结合的机制。　　然后实现了忆阻神经网络的simulink模型并将其应用于数字手写体识别。数字手写体识别系统由输入层，中间层和输出层组成。输入层负责图片特征向量的提取和信号输入；中间层包括忆阻器的建模和相关脉冲设计；输出层计算每个输出神经元收集的电流值并反馈标志信号回中间层。总的训练样本为25幅图，识别样本为25幅图。计算每类图片经过忆阻神经网络训练之后所产生的电流均值，将待识别图片经过忆阻神经网络训练之后产生的电流值与之前产生的各个电流均值做比较，最接近者即为识别后的图片。根据数字手写体识别系统，识别样本进行测试，总趋势为样本迭代次数越多，识别率越高。