近年来,受脑启发的人工智能成为人工智能领域研究的一大趋势。探索大脑的认知功能,构建基于脑认知功能的神经网络成为脑科学研究中的一个重要方向。本文以已有的神经网络为基础,在硬件上实现高效、通用的类脑联想记忆神经网络。对硬件实现联想记忆网络、拓展其应用领域具有一定意义。联想记忆是大脑进行认知活动的基础,视觉填充以及多模态信息的融合是大脑能够实现的高级认知功能。为了在硬件中实现这些受大脑启发的功能,本文中提出了一种基于忆阻器的双向联想记忆神经网络电路。这一电路利用忆阻器阵列来表示权重矩阵并进行相应的操作,从而实现了存算一体化以及对信息的并行处理,简化了电路的复杂性并提高了处理速度。该电路将在线算法与忆阻器阵列调整过程结合在一起,使得电路在各种任务中更具灵活性与通用性。利用所提出的忆阻双向联想记忆网络电路,本文实现了对单一模态信息的联想记忆与视觉填充功能。电路中不仅能够处理二值像素图像,也能处理灰度图像,更加接近真实大脑的处理机制。在此基础上,通过对电路结构的修改,提出了一种基于忆阻的多重双向联想记忆网络电路。多重双向联想记忆网络电路具有多个模态信息的输入通道,并能实现对多模态信息的融合以及模态间信息的联想。本文的主要研究成果为设计了基于忆阻的双向联想记忆神经网络电路,能够更加类脑地实现单一模态的联想记忆与视觉填充,以及多模态信息的融合与联想。该电路相比于软件算法实现,具有更高的通用性以及更快的处理速度。对于构建高度集成、快速处理、通用的类脑信息处理系统具有一定的借鉴意义。