蔡鲲鹏，马莉娟

（阜阳师范大学a.计算机与信息工程学院;b.历史文化与旅游学院，安徽 阜阳 236000）

深度学习是机器学习的重要方法，随着工业领域对人工智能技术的需求逐渐增加，人脸情绪识别获得良好发展机遇，并在智能安防系统、智能无人超市、网课教育质量评估等方面得到广泛应用。但常见人脸情绪识别深度学习模型的识别准确率有待提升，卷积神经网络作为当前较为流行的机器学习技术，在图像识别领域被大量应用，对其进行深入研究，并设计相关的深度学习模型，有利于提升人脸情绪识别的精准度，扩展深度学习技术的应用范围。

1 基于卷积神经网络的人脸情绪识别原理

1.1 多层神经元网络

1.1.1 单个神经元

单个神经元属于基础的人工智能模型，基于对生物脑神经元的模拟，利用神经树突将各个神经元连接在一起，通过突触之间的电信号完成信息交互过程，各个神经元之间具有独立性，有各自的输入和输出。单个神经元的模型模拟包括三个步骤：

①用权重乘以输入值的三维数据；

②求得三项数值与偏置之和；

③将上述和值当作激活函数的输入值，运算出神经元结构的输出数值。

通过三步操作，能够完成输入值的转换过程。经由权重、偏置、激活之后，损耗掉部分输入信息，输出处于0、1之间。此种特性有利于多层神经元网络计算，使其操作更为规范和便捷。

1.1.2 多层神经元网络

若干独立的神经元构成多层神经元网络，基于不同的拓扑结构，呈现不同的性能特征。……