本研究探讨了硬件感知训练在神经网络中的应用，利用memristive和memcapacitive交叉阵列提升网络性能。在VGG网络上训练CIFAR-10数据集，取得了90.02%和91.03%的准确率。同时，提出了基于memristor的硬件架构，实现了QNNs的元可塑性，并验证了其在MNIST和Fashion-MNIST上的有效性，为高效机器学习应用提供了先进硬件解决方案。