本发明公开了一种基于忆阻器阈值特性的神经元自学习电路，它由输入模块、比较模块与反馈模块联合构成。其工作原理在于，输入模块包含忆阻突触单元，它基于忆阻器的阻值可塑性与阈值特性来模拟神经元中忆阻突触权重的变化；首先输入模块的输出电压与比较模块的基准电压作比较，然后根据比较结果向反馈模块输入正电压或者负电压来改变反馈模块输出的反馈调整电压信号。若输入模块的输出电压小于比较模块的基准电压值，则反馈模块输出正脉冲电压信号使得输入模块的忆阻突触权重增加，输入模块的输出电压也随之增加。若输入模块的输出电压大于比较模块的基准电压值，则反馈模块输出负脉冲电压信号使得输入模块的忆阻突触权重减小，输入模块的输出电压也随之减小。通过对输入模块、比较模块与反馈模块的联合作用，来对输入模块的输出信号进行逐步调整，使其逐渐逼近比较模块的基准电压值，最终完成神经元电路的自学习过程。