忆阻器是具有记忆和连续输出特点的非线性电阻器，现已成为电路中的第 ４ 种基本元件。 以一个三次光滑的非线性忆阻器模型为基础，与常见的有源低通滤波器相结合，利用电路分析的基本理论，分析该电路的频率响应特性，并与有源 ＲＣ 电路进行对比，对含有忆阻器的有源低通滤波电路进行电路仿真，其结果很好地验证了理论分析。

新型忆阻细胞神经网络的建模及电路仿真

根据论文the missing memory found仿真生成v-i图像

忆阻器是磁通与电荷关系的电路器件，利用忆阻器原理实现新型忆阻器芯片的架构，想要更多忆阻器资源、请访问CSDN下载频道

Matlab_Simulink环境下忆阻模型的仿真比较

人工智能-带有时变时滞的忆阻神经网络的同步分析.pdf

为了解决强耦合问题和控制过程中参数难于调节的问题,提出了基于忆阻的自适应单神经元多变量解耦PID控制器,根据传统控制器的结构和原理,构建了两变量解耦控制器的结构。分析了两变量解耦控制器的性能,给出了实验仿真结果。通过实验结果,发现这个新的两变量解耦控制器具有较高的控制可靠性、较好的适应性,比传统的控制器学习速度快。最后得到了一个理想的、自适应、自组织的多变量解耦控制器,并获得了较好的控制效果。

使用 MATLAB 对纳米级 ReRAM 单元进行操作分析

记忆火炬 MemTorch是用于忆阻式深度学习系统的仿真框架，它与著名的PyTorch机器学习（ML）库直接集成，该库在MemTorch：忆阻式深度学习系统的开源仿真框架中进行了介绍，该库已在发布。 MemTorch：用于忆阻式深度学习系统的开源仿真框架 科里·拉米（Corey Lammie），魏向（Wei Xiang），伯纳贝·利纳雷斯（BernabéLinares-Barranco）和莫斯塔法·拉希米（Mostafa Rahimi Azghadi） 摘要：忆阻器件已显示出极大的希望，可以促进深度学习（DL）系统的加速并提高其电源效率。 使用这些电阻式随机存取存储器（RRAM）器件构造的纵横制架构可用于有效地实现各种内存中计算操作，例如乘法累加（MAC）和展开卷积，这些运算在深度神经网络（DNN）中得到了广泛使用和卷积神经网络（CNN）。 但是，忆阻器件面临老化和不理想的问题，这会限

基于超混沌忆阻器的蔡氏电路的同步与滞后同步