主要研究方向
.机器学习

研究领域
.神经网络理论
.优化理论
.李群机器学习

代表作
.Jin-Hui Wu, Shao-Qun Zhang, Yuan Jiang, Zhi-Hua Zhou. Reparameterized Complex-valued Neurons Can Efficiently Learn More than Real-valued Neurons via Gradient Descent. Journal of Machine Learning Research (JMLR), in press. (CCF-A类期刊)
.Jin-Hui Wu, Shao-Qun Zhang, Yuan Jiang, Zhi-Hua Zhou. Complex-valued Neurons Can Learn More but Slower than Real-valued Neurons via Gradient Descent. In: Advances in Neural Information Processing Systems 36 (NeurIPS), pp. 23714-23747, 2023. (CCF-A类会议)
.Jin-Hui Wu, Shao-Qun Zhang, Yuan Jiang, Zhi-Hua Zhou. Theoretical Exploration of Flexible Transmitter Model. IEEE Transactions on Neural Networks and Learning Systems (TNNLS), 35(3): 3674-3688, 2024. (中科院SCI一区期刊)
.吴锦辉，姜远. 四元数神经网络的通用近似与逼近优势. 计算机研究与发展, 62(5): 1205-1215, 2025.
.Shao-Qun Zhang, Jia-Yi Chen, Jin-Hui Wu, Gao Zhang, Huan Xiong, Bin Gu, Zhi-Hua Zhou. On the Intrinsic Structures of Spiking Neural Networks. Journal of Machine Learning Research (JMLR), 25(194): 1-74, 2024. (CCF-A类期刊)

个人简介

吴锦辉，男，苏州大学优秀青年学者，硕士生导师。2019年于南京大学匡亚明学院获理学学士学位，2025年于南京大学人工智能学院获工学博士学位，同年入职苏州大学计算机科学与技术学院，参与计算机科学与技术学院、机器学习与图像处理研究中心的各项科研和教学工作。研究方向为机器学习，主要研究内容包括但不限于：神经网络理论、复值神经网络理论、优化理论等。在本领域顶级期刊和会议上发表多篇论文，包括JMLR、NeurIPS、TNNLS等，曾获第十届中国数据挖掘会议最佳学生论文奖。担任AAAI、FCS、ICLR、ICML、NeurIPS、TNNLS等国内外知名期刊和会议审稿人。