根据18luck新利电竞 “双一流”建设国际合作专项计划安排，国家防伪工程技术研究中心邀请陈俊龙院士开展短期讲学。陈俊龙院士针对模糊宽度学习系统(BLS)进行了详细的介绍，针对宽度学习系统的算法与应用做了系列报告和讲座。

实验室学生对陈俊龙院士的报告很感兴趣，并就相关算法设计及实现与陈俊龙院士开展多次讨论与交流。陈俊龙院士较好解决了实验室在神经网络设计与应用，优化算法求解等一些理论和实现问题。部分同学也讨论确定了下一步合作课题，及部分文章事宜。

通过本次的专题讲授，重点介绍了宽度学习系统理论基础与算法设计问题，给实验室带来国际上一些前沿研究结果与新的研究思路，较好提升实验室在该方向的理论基础，探索了宽度学习模型建立，优化算法求解等一些理论和实现问题，为多光谱防伪特征检测与分类提供了较好的理论方法和思路。针对模糊宽度学习系统(BLS)。模糊BLS将BLS的特征节点替换为一组TS模糊子系统，每个子系统对输入数据进行处理。不是将每个模糊子系统产生的模糊规则的输出立即聚合成一个值，而是将它们全部发送到增强层进行进一步的非线性转换，以保持输入的特性。将各模糊子系统的去模糊化输出与增强层的输出相结合，得到模型输出。采用k均值法确定了高斯隶属函数在前件的中心和模糊规则的个数。模糊BLS中需要计算的参数是将增强层的输出与模型输出连接起来的权值，以及模糊子系统后续部分多项式的随机初始化系数，可以进行分析计算。因此，模糊BLS保持了BLS的快速计算特性。对所提出的模糊BLS进行了回归和分类，并与现有的非模糊和神经模糊方法进行了比较。结果表明，模糊BLS模型的性能优于其他模型。此外，与神经模糊模型相比，模糊BLS在模糊规则数量和训练时间上都有一定的优势，可以在一定程度上缓解规则爆炸的问题。同时，陈俊龙院士也与实验室多位博士生深入讨论，提供了众多新的解决思路，并确定了部分文章合作事宜。