一、个人基本情况
博士、讲师。2019年毕业于中南大学，获理学博士学位。2019年至今在郑州轻工业大学电气信息工程学院工作。主要研究方向：控制理论与应用，人工智能，目标检测。目前已发表学术论文20余篇。主持国家自然科学基金项目1项，河南省科技攻关项目1项，河南省科学技术协会青年人才托举项目1项，河南省教育厅重点项目1项。
二、承担课程
本科生：《自动控制原理》、《信号与系统》、《现代控制理论选讲》
三、研究方向:
控制理论与应用，人工智能，目标检测
四、近年科研项目、代表性论证，发明专利
1.科研项目
[1] 国家自然科学基金委员会，青年项目，62006213，分数阶时变时滞神经网络的非脆弱事件触发伪状态估计，2021.01- 2023.12，24万，主持；
[2] 河南省教育厅，高校重点项目，21A120010，分数阶时滞神经网络的同步性分析及控制研究，2021.01-2022.12，3万，主持；
[3] 河南省科学技术协会, 青年人才托举工程项目, 2022HYTP005, 智能安防中小目标检测关键技术研究, 2022.01 -2023.12, 5万元, 在研, 主持；
[4] 河南省科技厅，省科技攻关项目，222102320321，智能安防中不均匀光线环境下小目标检测关键技术研究，2022.01- 2023.12，主持；
[5] 国网河南省电力公司电力科学研究院, 科技创新项目, SGTYHT/20-JS-224, 2120基于5G MEC 技术的变电站视觉AI技术研究及应用, 2021.09-2022.12, 20.68万元, 在研, 参与；
[6] 河南省科技厅, 省自然科学基金, 202300410495, 基于深度区域建议和记忆网络的目标持续性跟踪方法研究, 2020.01- 2022.12, 25万元, 在研, 参与。
2.代表性论著
[1] Xinge Liu; Fengxian Wang; Meilan Tang; Auxiliary function-based summation inequalities and their applications to discrete-time systems, Automatica, 2017, 78: 211-215.
[2] Xinge Liu; Fengxian Wang; Yanjun Shu; A novel summation inequality for stability analysis of discrete-time neural networks, Journal of Computational and Applied Mathematics, 2016, 304: 160-171.
[3] Xinge Liu; Fengxian Wang; Meilan Tang; Saibing Qiu; Stability and synchronization analysis of neural networks via Halanay-type inequality, Journal of Computational and Applied Mathematics, 2018, 319: 14-23.
[4] Fengxian Wang; Xinge Liu; Meilan Tang; Lifang Chen; Further results on stability and synchronization of fractional-order Hopfield neural networks, Neurocomputing, 2019, 346: 12-19.
[5] Xiangqian Yao；Meilan Tang; Fengxian Wang; New Results on Stability for a Class of Fractional-Order Static Neural Networks，Circuits, Systems, and Signal Processing，2020, 39：5926–5950.
[6] Linwei Li; Fengxian Wang; Huanlong Zhang; Xuemei Zhang; Adaptive Model Recovery Scheme for Multivariable System Using Error Correction Learning, IEEE Transactions on Instrumentation and Measurement, 2021,PP(99):1-1
[7] Fengxian Wang; Xinge Liu; Pseudo-State Estimation for Fractional Order Neural Networks, Neural Processing Letters, 2022, 54(1): 251-264.