忆阻器是具有记忆和类突触特性的非线性电路元件. 基于此特性, 文中提出了一个基于STDP(spike-time-dependent plasticity) 学习规则的忆阻桥突触电路, 它具有可以作为人工神经网络突触的优势. 根据此优势, 将这个新的电路与其他电路和网络结合, 构成全新的电路和网络. 首先将该忆阻桥突触电路和3 个附加的晶体管结合在一起, 实现神经网络的突触运算, 并构建完整的忆阻桥突触神经网络. 然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别. 最后, 通过一系列的仿真实验证实了该方案的可行性, 说明基于STDP 学习规则的忆阻桥突触神经网络更具仿生特性, 而且集成度更高、模板更易更换, 有望解决实时的复杂的智能问题.