感知機（perceptron) 結果與mp模型類似，一般被視為最簡單的人工神經網路，也作為二元線性分類器被廣泛使用。通常情況下指單層的人工神經網路，以區別於多層感知機（multilayer perceptron)。儘管感知機結構簡單，但能夠學習並解決複雜問題。
f為啟用函式，o為標量輸出。理想的啟用函式通常為階躍函式或sigmoid函式，感知機的輸出是輸入向量x與權重向量w求得內積後，經啟用函式f所得到的標量。
單層感知器類似邏輯回歸，可做線性分類任務，但不能做更複雜的任務。
多層感知機（multi-layer perceptron,mlp)是由單層感知機推廣而來，最主要的特點是有多個神經元層。一般將mlp的第一層稱為輸入層，中間的層為隱藏層，最後一層為輸出層。mlp並沒有規定隱藏層的數量，因此可以根據實際處理需求選擇合適的隱藏層層數，且對於隱藏層和輸出層中每層神經元的個數也沒有限制。
多層感知機的關鍵問題在於如何訓練其中各層間的連線權值，最為熟知的是反向傳播bp演算法。
1.原理上的缺陷：bp神經網路仍是有監督的傳統機器學習方法，遵循以下思路：
將svm或其他分類器換為神經網路，在大部分情況下其實沒有什麼優勢，甚至增加了問題的複雜度。
提取的特徵容易在一定程度上丟失對旋轉扭曲等的不變性。
2.結構上的缺陷：引數巨多，丟失空間資訊。
2.2.1 卷積
卷積在工程和數學上有非常多的應用，在訊號處理領域中，任意乙個線性系統的輸出，就是輸入訊號和系統激勵函式的卷積，放到數字影象處理領域，卷積操作一般指影象領域的二維卷積。
2.2.2 填充(padding)
2.2.3 步長(stride)
卷積視窗從輸入陣列的最左上方開始，按從左往右、從上往下的順序，依次在輸入陣列上滑動。每次滑動的行數和列數被稱為步長（stride)。
2.2.4 池化
對影象進行下取樣，降低影象解析度。
池化層的作用：使特徵圖變小，簡化網路計算複雜度；壓縮特徵，提取主要特徵
2.2.5 卷積神經網路的優勢
基於深度學習的人臉表情識別
這是一門課程的作業！人臉表情識別，訓練資料使用的是kaggle比賽的fer2013資料集，框架使用的是keras哈 opencv中自帶的人臉識別 pycharm2018.3.5 anaconda5.3.1 python3.7.0 keras2.2.4 tensorflow1.13.1 opencv ...
基於深度學習的人臉表情識別開發
目前深度學習很流行，很大程度減輕了影象開發的難度。表情識別是影象演算法的重要研究方向，本文提供一種基於深度學習的表情識別方法。1，獲取模型 2，檢測人臉並識別表情 人臉檢測有很多方法，比如傳統的haar檢測人臉，深度學習的mtcnn，還有別的一些方法。綜合起來，mtcnn在精度和速度上很有優勢。mt...
基於主成分分析的人臉識別及表情識別
識別效果 結果分析 按照實驗要求及實驗步驟，我們實驗達到了在不損失更多細節的前提下完成的壓縮以及將壓縮後的進行重構還原 在拓展部分也成功實現了對攝像頭實時捕捉的人臉進行表情識別。心得體會 通過本次實驗，我對pca主程式分析有了一定的認識，在查閱資料和實驗過程中，我了解到本實驗進行的操作，是將資料提取...