使用纳米级忆阻器实现紧凑且节能的突触元件引起了人们对构建神经网络电路的广泛兴趣。 忆阻神经网络不仅可以提供强大的计算能力，而且还表现出智能行为，例如认知和联想记忆。 本文设计了一种具有联想记忆和记忆丧失特性的基于忆阻器的联想记忆神经网络（m-ASNN），并进一步用于反映人类在社会关系中的情感。 具体而言，提出了具有编程阈值和遗忘特性的压控忆阻器模型，并将其用作1 M（忆阻器）电子突触。 这样的忆阻器突触可以学习和存储信息，并且对于其突触前和突触后神经元的活动具有可塑性，例如生物突触。 此外，建立了由忆阻器突触以及抑制性和兴奋性神经元组成的M-ASNN，以模拟社交关系中某些情感的形成，保持和丧失。 最后，提出并仿真了基于PSPICE的M-ASNN的模拟实现。 使用忆阻器设备对人类情感进行新颖的建模和实现可能为情感计算以及忆阻神经网络的应用创造新的机会

一篇经典的混沌论文，以及论文中所涉及的仿真 ，包括相轨迹、随参数变化的平衡点的数量及稳定性分析、分岔图、李雅普诺夫指数、等MATLAB仿真程序；

matlab蔡氏混泥土仿真代码使用 MATLAB 仿真忆阻器 在这个 repo 中，我使用这里提供的数学方程模拟了称为“忆阻器”的第四个基本电路元件的效果。 介绍 1971 年，Leon Chua 假设了第四个基本电路组件，同时试图在电荷和磁通量之间建立缺失的本构关系以完成对称性。 Chua 将这种推测性非线性小工具命名为忆阻器（存储器 + 电阻器），因为它显示了当时铁磁中心存储器的磁滞特性以及电阻器的耗散特性。 简单地说，在这样的小工具中，非线性电阻可以通过控制电荷流或磁通量来不确定地记住。 建议忆阻器具有忆阻 M 和定义为 dM=Mdq 的函数。 忆阻 忆阻是忆阻器的特性。 如果电荷沿一个方向流过电路，则电路中该元件的电阻会增加，如果电荷沿相反方向流动，则电阻会减小。 如果通过关闭施加的电压来停止电荷流动，该组件将“记住”它上一次的电阻，当电荷再次开始流动时，电路的电阻将是上次时的电阻积极的。 忆阻器的模式 忆阻器以线性和非线性两种模式运行。 你可以得到详细信息我还写了一些关于忆阻器的基本论文 线性模式 非线性模式

该程序给出了基于蔡氏电路的忆阻器的相图。 最初，您可以改变电阻值 'r' 以查看周期加倍情况。 您可以从该程序中引用的引用中获取该值。

文件中包含7种不同的忆阻器模型Memristor model, 有Biolek，Generic，Joglekai，Pershin等，可在LTSPICE和Verilog仿真软件上上运行

Memristor施路平 清华大学类脑计算研究中心

Matlab忆阻器memristor-GUI_memristor.m 作为Matlab初学者，好多东西要学习。 源代码可以实现忆阻器的I-V曲线，但显然不够灵活，必须手动调整参数。 现在想将其中的参数ratio，v0，ω0变成可调节范围的， 还不知道怎样做，如果将参数直接放入方程不知能解不， 如果能解，在获得结果s后，怎样把参数换成数值，貌似subs函数，只能替换t。 希望有心人一起扩展此程序，在网上有mathematica实现的例子 http://demonstrations.wolfram.com/CurrentVoltageCharacteristicsOfAMemristor/ 我的下一步是做GUI，并实现动画。希望做的更好。

忆阻器的Pspice代码，兼容了多种窗函数

里面实现了最新的一个国外文章里的memristor模型，还编写了用户接口和GUI，很实用，很好的学习资料。