新兴的基于忆阻器的神经形态工程有望提供一种高效的计算范例。 然而，先前的前馈忆阻网络缺乏内部动力，而递归网络缺乏有效的学习算法，从根本上限制了现有系统的学习能力。 在这项工作中，我们提出了一个框架，通过将专用的学习算法引入具有内部动力学的生物似的递归忆阻网络中来支持复杂的学习功能。 我们制造具有良好可控性的可塑性和兴奋性/抑制性连接权重的宽动态范围的基于氧化铁忆阻器的突触来构建网络。 为了自适应地修改突触权重，引入了综合递归最小二乘（RLS）学习算法。 基于提出的框架，展示了各种时序模式的学习以
