人工神经网络一直以来都是人类研究的一个重要的课题，人工神经网络的目标是通过模拟生物神经网络使机器具有人类水平的智能。现在有关人工神经网路的研究大多都集中在神经网络数学模型和模型优化等理论研究上，关于人工神经网络的具体实现相对较少。这主要是因为以现在的技术水平所设计出来的人工神经网络的实物模型很难达到生物神经网络的要求。人工神经网络的具体实现主要需要实现两个重要的电子元件：神经元和突触。理想情况下，这两个元件应该都是纳米尺寸并且耗能少，这样才有可能使模拟神经网络具有人类大脑中神经元的数量密度。由于电子突触需要根据收到的信号类型做出灵活响应，并且能够储存一系列连续的值，所以，相对电子神经元，电子突触却不容易制作。因此，电子突触的实现成为了人工神经网络的具体实现的关键。记忆元件的理论和模型的快速发展为解决这个问题带来了希望，但尚有诸多问题需要深入研究。　　记忆元件实际上是一种具有记忆功能的非线性二端元件，主要包括三种元件：忆阻器，忆容器和忆感器。1971年，蔡少棠教授通过基本电路的完备性理论，预测了忆阻器的存在依据。在2008年，第一个忆阻器实物在惠普实验室中诞生，从而证实了忆阻器的存在。同年11月，蔡少棠又在“忆阻器和忆阻系统讨论会上”定义了另外了两种记忆元件——忆容器和忆感器，并且提出相比忆阻器，忆容器和忆感器在数据读写和存储上具有优势。到现在为止，只有忆阻器有物理实物，忆容器和忆感器都还只是“概念”元件。因此关于记忆元件的研究文献中，忆阻器最多，忆容器和忆感器相对较少。　　本文首先介绍了记忆元件的发展历程和理论特性；然后介绍了人工神经网络的发展历程和应用前景；最后介绍和分析了模拟神经突触功能的传统乘法电路和忆阻桥突触电路，并基于记忆元件理论的快速发展以及神经网络突触模拟中传统乘法电路的弊端，本文提出了利用4个相同忆容器构建一个能实现零、正和负突触权重的忆容桥电路。在附加了三个晶体三极管后，忆容桥权重电路能够实现神经细胞的突触操作。由于整个操作都是基于脉冲输入信号，因此整个电路是高效节能的。通过Matlab实现了突触权重设计和突触权重乘法的模拟。仿真实验结果表明，忆容桥突触电路性能上要优于传统突触乘法电路和忆阻桥突触电路。