随着人工智能的发展以及对生物神经网络的深入研究,人工神经网络在越来越多的领域中发挥着重要的作用,在很大程度上解放了人类的大脑和双手。其中Elman神经网络由于其独特的网络结构,得到了广泛的应用。然而,目前实现该神经网络主要是利用软件来实现的,无法充分发挥Elman神经网络大规模并行处理的优越性,不利于充分发挥Elman神经网络所具有的特性。此外,在硬件实现Elman神经网络的过程中,传统的电路元器件在长时间储存和精确调节神经网络的权值等方面也存在不足。因此,根据对Elman神经网络结构原理和忆阻器特性的研究,将Elman神经网路的权值调节和忆阻器的阻值变化特性相结合,提出了基于忆阻器的Elman神经网络电路。根据忆阻器模块结构的不同,设计了反向串联的突触电路和全域值型忆阻突触电路。反向串联的突触电路只能单方向的表征神经网络的权值变化,无法满足实际应用的需求,全域值型忆阻突触电路不仅可以实现全实数范围内的权值调节变化,而且该电路结构还可以实现神经网络输入与权值的加权功能,故设计了全域值型忆阻突触电路来实现Elman神经网络电路。该神经网络电路主要由权值阵列模块电路、反馈层决策模块电路、传递函数模块电路和V-I转换模块电路组成。其中,权值阵列模块电路包括隐含层、反馈层和输出层权值阵列模块电路,其电路结构都是利用全域值型忆阻突触电路来组成,该突触电路不仅作为整个神经网络电路的输入端口,还可以调节神经网络电路中的权值方向和大小。反馈层决策模块电路主要是用来判断神经网络电路中反馈层权值阵列模块电路是否处在工作状态中,并根据判断结果来决定反馈层决策模块的导通与关断。传递函数模块电路是用来处理一些非线性的输入信息,将非线性与线性进行转换,使得神经网络的输出具有收敛性。V-I转换模块主要是将隐含层传递函数输出的电压信号转换为权值阵列模块可以识别的电流信号,使电路正常工作。对基于忆阻器的Elman神经网络电路进行数字图像识别实验,实验结果表明该神经网络电路不仅可以进行数字图像识别,而且还具有一定的抗干扰性能。在进行函数拟合的实验时,采用均匀设计法选择了6组测试样本数据,实验结果显示基于忆阻器的Elman神经网络电路的输出电压值与期望值相比较,其相对误差范围处于0%～13%之间,总体的平均相对误差仅为4.5%,电路整体实现了Elman神经网络的功能。