تمثّل اعتراف الوجه بالمشاعر (FER) عنصرًا مهمًا في التفاعل بين الإنسان والحاسوب، مثل الاستخدامات السريرية ووصف السلوك. لا يزال التعرف الدقيق والقوي على المشاعر من خلال نماذج الحاسوب تحديًا كبيرًا نظرًا لتباين الوجوه البشرية وتغيرات الصور، مثل الوضعيات المختلفة للوجه والإضاءة المتفاوتة. من بين جميع التقنيات المستخدمة في FER، أظهرت نماذج التعلم العميق، وخاصة الشبكات العصبية التلافيفية (CNN)، إمكانات كبيرة بفضل قدرتها العالية على استخراج الميزات تلقائيًا وكفاءتها الحسابية. في هذه الدراسة، نحقق أعلى دقة في التصنيف لشبكة واحدة على مجموعة بيانات FER2013. ونعتمد معمارية VGGNet، ونقوم بضبط دقيق لمعامِلات النموذج (hyperparameters)، ونختبر طرقًا مختلفة للتحسين. وبمعرفتنا، فإن نموذجنا يحقق دقة متقدمة جدًا على مستوى الشبكة الواحدة تبلغ 73.28٪ على مجموعة بيانات FER2013 دون استخدام بيانات تدريب إضافية.