2024年5月，2022级研究生董翰林第一作者身份在《IEEE Transactions on Network Science and Engineering》上刊发研究成果《Composite Learning from Fractional-Order Fuzzy Echo State Network Control Using Historical Data》。该期刊为网络科学领域顶级期刊，影响因子6.6。

论文考虑到分数阶微分方程的无限记忆特性，结合模糊逻辑系统和回声状态网络的储层计算的优点，提出了一种用于估计分数阶非线性系统不确定项的分数阶模糊回声状态网络。为了提高其学习性能并减少响应振荡，通过在时间域和迭代域中的回归矩阵中记录一段时间内的历史数据来构建修改的输出权重学习律，其中在不使用严格条件（即区间激励）的情况下来定义预测误差。此外，利用李雅普诺夫稳定性理论和频率分布模型，基于反步框架建立了合适的积分Lyapunov能量函数，并证明所提出的复合学习控制方案能够保持闭环系统中所有信号的有界性和稳定性。最后，采用分数阶Chua-Hartley混沌系统和分数阶single machine infinite bus power系统进行仿真，验证了所提方案的有效性。

论文信息：

Title: Composite Learning from Fractional-Order Fuzzy Echo State Network Control Using Historical Data

Authors：Hanlin Dong, Yongping Pan, Jinde Cao, Heng Liu*

Source：IEEE Transactions on Network Science and Engineering

Published Online: 22 May 2024

论文链接：https://ieeexplore.ieee.org/document/10541085