忆阻器是一种表征电荷和磁通量之间的关系的基本电路元件,当输入电流或电压发生变化时其电阻值就会相应改变,即具有电阻记忆的特点。神经网络是一个分布式并行数据处理的数学计算模型,通过调节系统中大量节点间相互连接的关系,实现处理信息的目的。在模拟神经网络的电路实现中,由于放大电路的开关速度有限制,所以通常不可避免地产生时间延迟,即时滞效应,从而导致了网络状态不稳定和性能不佳。因此,对具有时滞的神经网络的动力学行为进行研究探讨,有着一定的理论意义和价值。本文的主要研究目的是建立和研究一个新型忆阻时滞神经网络,在此基础上将其应用于巴甫洛夫联想记忆,研究并发掘忆阻时滞神经网络的动力学特性及其在联想记忆中的作用机制,有助于推进对忆阻时滞神经网络的研究发展。本文的主要研究内容如下:（1）基于双曲正切型忆阻器构建了忆阻时滞循环神经网络模型,讨论了该神经网络模型的平衡点及不稳定性。通过调整忆阻器内部参数、忆阻器耦合系数以及时滞的大小,详细分析了忆阻器内部参数、忆阻器耦合系数和时滞对忆阻时滞循环神经网络混沌动力学的混合影响。（2）基于神经元电路、双曲正切函数电路以及忆阻器电路,利用Multisim软件搭建了忆阻时滞循环神经网络的电路实验模型。实验仿真了不同忆阻器内部参数、耦合系数和时滞情况下忆阻时滞循环神经网络的复杂动力学现象,检验了理论分析和数值模拟的结果。（3）在双曲正切型忆阻器的基础上提出了一种阈值双曲正切型忆阻器等效电路模型,并进行了仿真验证。在神经网络基础和生物现象的启发下,基于该阈值双曲正切型忆阻器构建了一种多功能的巴甫洛夫联想记忆神经网络电路,并创新性地加入了时滞输入设计。经过对唾液反应突触模块、时滞输入模块、速率调节模块等三个主电路模块的设计,整个电路完成了具备时滞学习、巩固学习、长期记忆等功能的巴甫洛夫联想记忆。