人工智能与人工神经网络是目前嵌入式系统、类脑计算研究等方向的研究热点,在数据分类与预测等方面展现了巨大的潜力。循环神经网络相比于普通的前馈神经网络,能结合当前时刻及过去的信息进行识别和预测,具有记忆功能,对带有时间信息的输入有更强的处理能力,是人工神经网络中的一个重要组成部分。基于忆阻器实现人工神经网络是智能信息器件与人工智能两种学科交叉的前沿热点,但目前对基于忆阻器实现循环神经网络的研究刚刚起步,尚不深入。因此本课题选择循环神经网络向忆阻器阵列映射方案设计这一重要问题,根据主攻方向进行研究,对推进忆阻器在人工神经网络中的应用具有重要意义。本文第二章首先介绍忆阻器的基本特性,证明该器件能够实现硬件电路中网络权值的功能,在此基础上对忆阻器阵列阻态特性和质量特性的模型进行了深入讨论,为后续章节的仿真提供理论基础;然后介绍了循环神经网络的原理,重点介绍了循环神经网络之一的长短时记忆网络的结构和前向传播过程,力图论证基于忆阻阵列实现循环神经网络的可行性;最后结合前两个小节的内容,给出了基于忆阻器的循环神经网络的映射方案,并介绍了输入信号与忆阻器阵列实现乘累加功能的方法,重点提出网络权值到忆阻阵列映射的基本方法。这也是后续分析阵列阻态特性和质量特性对映射方法影响的基础。本文第三章在第二章所构建的映射方法的基础上对忆阻器阵列阻态特性对映射的影响开展研究,根据实验室实际制备的忆阻器件特性对仿真实验中采用的阻态个数作了选择,并据此建立了少态忆阻器阵列模型;并以TIMIT语音库为例,分别采用数学仿真和SPICE的方式分析连续阻态、少态等情况对循环神经网络映射的影响,在此基础上优化提出了网络映射策略。本文第四章在第二章所构建的映射方法、第三章忆阻器阵列阻态特性对映射的影响分析的基础上,开展质量特性对映射方法影响分析研究。分别建立忆阻阵列波动性、良率的数学模型,根据第三章的测试结果确定合适的阵列阻态个数,测试分析不同种类、不同程度的质量特性对循环神经网络映射方法的影响,在此基础上提出了网络映射策略。