Método de reconocimiento de emociones basado en una red neuronal convolucional y el algoritmo de optimización Black Widow Autores: Pratiksha Deshmukh - Thakur College of Engineering Technology, Mumbai, Maharashtra (IN) Harshali Patil - Thakur College of Engineering Technology, Mumbai, Maharashtra (IN) Resumen Antecedentes: El método automatizado de reconocimiento de emociones (ER) ha ganado popularidad en diversas aplicaciones, especialmente en psicología y salud mental. Para alcanzar este objetivo se emplean algoritmos de aprendizaje profundo. Estos algoritmos extraen las características apropiadas de las imágenes del conjunto de datos y reconocen las emociones. Metodología: En este trabajo hemos desarrollado un método de reconocimiento de emociones basado en una red neuronal convolucional (CNN). Además, el enfoque principal se centra en el ajuste fino de los parámetros de aprendizaje del algoritmo CNN mediante la metaheurística Black Widow Optimisation (BWO), con el objetivo de mejorar la precisión del reconocimiento. El algoritmo BWO se basa en el proceso de apareamiento de las arañas viuda negra y proporciona una mejor tasa de convergencia para encontrar la solución óptima en comparación con otros algoritmos metaheurísticos. Resultados: El método propuesto fue simulado utilizando el conjunto de datos FER2013. El conjunto de datos se dividió en una proporción de 70:30. Esto significa que el 70 % del conjunto de datos se utilizó para el entrenamiento, mientras que el 30 % se empleó para las pruebas. El método propuesto muestra resultados destacables en el reconocimiento de diversas emociones y alcanza valores elevados en las métricas de rendimiento, como una exactitud media de 0,99392, una precisión de 0,98467, una sensibilidad de 0,98117 y una puntuación F1 de 0,96731. Finalmente, se realizó un análisis comparativo del enfoque presentado con estudios existentes. Los resultados muestran que se obtuvieron mejores resultados gracias al uso de la estrategia de ajuste fino de hiperparámetros en el método propuesto. Conclusión y recomendación: El método de reconocimiento de emociones propuesto reconoce eficazmente diferentes emociones. Sin embargo, se utilizó el mismo conjunto de datos para los procesos de entrenamiento y prueba, lo que afecta negativamente a la robustez y a la capacidad de generalización. Por lo tanto, en el futuro se combinarán múltiples conjuntos de datos y se equilibrarán para evaluar la eficacia del método propuesto.