忆阻器是与电阻、电容及电感并列的第四种基本电子器件,于1971年由蔡少棠教授提出,2008年惠普公司通过大量实验制造出纳米级忆阻器实物器件,此后,国内外学者开始加深对忆阻器的研究,经典的忆阻器模型不断被提出,忆阻器在非线性电路、保密通信、人工智能等领域的应用也不断增多。基于忆阻器的神经网络研究是近年来的研究热点,但大多都只限于神经网络的特性研究,并未涉及到忆阻神经网络的应用研究。本文提出一种改进型忆阻器模型的构建方法,基于此忆阻器模型构建汉明神经网络,并将汉明神经网络应用到交通方式识别领域。交通方式识别是近年来的新型研究领域,准确预测人们出行的交通方式有助于合理规划交通建设,减少交通拥堵,提高人们的出行速度。首先对现阶段忆阻器模型进行分析,结合各种经典忆阻器模型,提出了改进型忆阻器模型,改进型忆阻器模型主要由四个部分构成,分别是缓存单元、积分放大单元、电压偏置单元和线性光耦单元。该忆阻器模型较之传统忆阻器模型能够更精确读取忆阻值,并能保存断电前电路状态,简单分析其电路模型后再进行仿真,分别在不同频率下观察其电压与电流曲线变化情况。然后采用本文提出的改进型忆阻器模型模拟神经突触。由于忆阻器和神经元中神经突触在结构上具有相似性,使得忆阻器非常适合用于模拟神经突触。研究构建好的人工神经突触是否满足STDP规则,进而结合神经元MOS管构建人工神经元细胞电路。基于忆阻器与神经元MOS管构建人工神经元细胞的方法,比传统方法构建的神经元电路具有更高的效率。神经元是神经网络的最基本单位,在构建好人工神经元细胞电路后,进一步构建汉明神经网络的双层结构。最后由构建好的汉明神经网络结合GPS应用到交通方式识别领域,通过仿真结果可知,结合GPS与忆阻汉明神经网络对人们出行方式进行预测的方法,其准确率高于传统的通过简单算法与GPS结合的方法,这表明忆阻神经网络存在其优势,可以展望忆阻神经网络在其它领域的应用。