发布时间：
《 电力电子技术》是EI核心期刊，需要实验验证，比较难中。《电气传动》是中文核心期刊，比较好中。《 电子技术应用》最垃圾，投了浪费钱。
投稿可能有潜规则，把这些潜规则都搞懂了，你就好中了。
1.模式识别与人工智能
本刊主要发表和报道模式识别、人工智能、智能系统等方面的研究成果与进展，旨在推动信息科学技术发展。人工智能是我国优先发展的学科之一，模式识别与智能系统是我国鼓励发展的专业。近些年来，我国人工智能、模式...
主管主办：中国科学技术协会 中国自动化学会;国家智能计算机研究开发中心;中国科学院合肥智能机械研究所
2.药物生物技术
包括生物工程、蛋白质工程、生物信息学、基因治疗学以及生物成份的分离纯化和分析、新生物药物的开发和药理、药效及临床研究。 《药物生物技术》本刊读者是从事生物技术科学研究人员，生物科学工作者，生物药物科...
主管主办：中华人民共和国教育部;国家食品药品监督管理局;中国科学技术协会 中国药科大学;中国医药科技出版社;中国药学会
《 电子技术应用》 《 电力电子技术》 应该稍微好点 《 电力电子技术》的影响因子高 计算机仿真计算机辅助工程计算机辅助设计与图形学学报计算机工程计算机工程与科学计算机工程与设计计算机工程与应用计算机集成制造系统计算机技术与发展计算机科学计算机科学与探索计算机时代计算机系统应用计算机学报计算机研究与发展计算机应用计算机应用研究计算机应用与软件计算机与数字工程计算机与网络计算机与现代化计算机与应用化学计算技术与自动化计算机光盘软件与应用金卡工程控制工程控制与决策模式识别与人工智能软件工程师软件学报上海信息化数值计算与计算机应用条码与信息系统网络安全技术与应用网络与信息微处理机微电子学与计算机微计算机信息微计算机应用微型电脑应用微型机与应用物探化探计算技术系统仿真技术系统仿真学报现代计算机(专业版)小型微型计算机系统信息系统工程信息与电脑信息与控制制造业自动化中国金融电脑中国图象图形学报A中文信息学报自动化博览自动化技术与应用自动化学报自动化与信息工程自动化与仪器仪表
好发。比较热门。
软件学报是很难投的，审稿时间长，难度大，是EI核心来源期刊； 可接受8000-10000字左右的长文； 稿量大，处理流程大多缓慢，应早投； 《投稿方式：直接网站在线投稿，中英文均可。初审后通知编号，邮寄审理费。外审通过后再通知其它处理事宜。 审理费：150元 审稿周期：6个月左右；发表周期：录用后的发表周期较长，需要耐心等待，但专刊较快. 版面费标准：元/面，收费比较厚道。该刊组织了很多专刊，投专刊的文章被录用后发表周期相对短，但录用率超低专刊反映信息较快，是一种不错的方式。 《模式识别与人工智能》比前者好中一些，但难度也不小。这个杂志是要求你寄两份打印稿，还有一份你的联系信息，然后大概一个星期左右他给你发email告知你通过初审，要求给审稿费100元，然后就是等待，大概三个多月给结果吧。每期文章大约20几篇，平均来说不是很好中，审稿一般4个月左右，发表周期就长了。
《计算机应用研究》 目前是北大核心期刊+中国科学引文索引数据库（CSCD核心）-E，审稿非常严格。投稿时需要带上基金项目，至少是省级的科技类基金项目，国家自然科学基金更好，例如，国家自然科学基金（），江苏省自然科学基金项目（），江苏省教育厅基础研究计划项目（），江苏省科技厅科技攻关计划项目（），否则很难录用正刊，增刊倒是挺容易的。正常情况下，审稿周期是2~3个月，如果运气好，恰好遇到个审稿速度快的外审专家，1个多月也能返回结果（通常外审专家都是到最后期限才返回，摆架子，显得自己很牛掰），如果遇到多次返回修改，则需要3~6个月不等，顺利录用还好，如果不录用，只能白白耽误3~6个月的宝贵时间，版面费一般在2500~4000之间，杂志社会提供发票和纸质用稿通知书，录用后需要1年多见刊。这个期刊主编主要收大学单位作者的文章，如果是二本或者高职院校投稿录用难度很大。建议您不要投这个期刊，可以试试《计算机仿真》、《计算机工程与设计》等期刊。以上讲的都是硬投稿情况，如果是走内部渠道操作就不一样了，像《计算机应用》《计算机工程》《计算机工程与应用》《计算机应用与软件》《计算机测量与控制》《计算机学报》《自动化学报》《机器人》《模式识别与人工智能》《控制工程》《重庆邮电大学学报.自然科学版》《河北大学学报.自然科学版》《电子器件》《东南大学学报.自然科学版》《仪表技术与传感器》《传感技术学报》《电工技术学报》《电力电子技术》学海湾都有主编一手内部渠道，100%录用，快的话投稿后1周就能在投稿系统里查到录用，3个月左右见刊，可以节省您大量的时间。 希望能对楼主有帮助，您也可以去张老师的博客看一下。（）里面有更详细的介绍。我也是从他那里了解到的这些信息。
软件学报是很难投的，审稿时间长，难度大，是EI核心来源期刊； 可接受8000-10000字左右的长文； 稿量大，处理流程大多缓慢，应早投； 《投稿方式：直接网站在线投稿，中英文均可。初审后通知编号，邮寄审理费。外审通过后再通知其它处理事宜。 审理费：150元 审稿周期：6个月左右；发表周期：录用后的发表周期较长，需要耐心等待，但专刊较快. 版面费标准：元/面，收费比较厚道。该刊组织了很多专刊，投专刊的文章被录用后发表周期相对短，但录用率超低专刊反映信息较快，是一种不错的方式。 《模式识别与人工智能》比前者好中一些，但难度也不小。这个杂志是要求你寄两份打印稿，还有一份你的联系信息，然后大概一个星期左右他给你发email告知你通过初审，要求给审稿费100元，然后就是等待，大概三个多月给结果吧。每期文章大约20几篇，平均来说不是很好中，审稿一般4个月左右，发表周期就长了。
人工智能哪一个方向比较好写的话，我觉得应该是说它的应用方面比较好写吧，因为对于专业知识可能不太了解，但是它的使用的话应该比较简单。
软件学报是三大学报之一，权威性最高，难度大，审稿漫长模式识别与人工智能好投一点
是的 在万方上看看就知道了
《模式识别与人工智能》是由中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办、科学出版社出版的学术性期刊。本刊主要发表和报道模式识别、人工智能、智能系统等方面的研究成果与进展，旨在推动信息科学技术发展。本刊1989年创刊，双月刊，主编为戴汝为院士。本刊创刊以来，得到较大发展，已成为模式识别、人工智能学术界有较大影响的刊物。1、自1992年以来，一直被《中文核心期刊要目总览》收为自动化技术、计算机技术领域核心刊物。2、1994年起，为《中国学术期刊文摘》引用期刊。3、1995年，被美国工程信息公司（Ei）收为Ei Page One数据库收录期刊。4、1996年被《中国科学引文数据库》列为来源期刊及统计源。5、1998年，被教育部定为“学位与研究生教育中文重要期刊”之一。6、1999年～2000年，获国家自然科学基金委择优支持基础性和高科技学术期刊专项资助经费资助。7、2008年，被 EI Compendex 数据库收录。8、2010年，获中国科协2010年度精品科技期刊项目资助。9、为适应和推动我国人工智能、模式识别学科发展，本刊1999年由每期80页扩版至128页，2000年起由16开本改为大16开本，2004年由季刊改为双月刊。近两年来，本刊每期作了较大扩版。人工智能是我国优先发展的学科之一，模式识别与智能系统是我国鼓励发展的专业。近些年来，我国人工智能、模式识别学科发展较快，在研究与应用方面不断取得进展。本刊将会成为与学科同步发展的精品性期刊。本刊共设四个栏目：论文与报告；综述与评论；研究与应用；信息与动态。
自动化研究生阶段叫做控制科学与工程，下设五个方向（二级学科）：1、控制理论与控制工程。2、检测技术与自动化装置。3、系统工程。4、导航、制导与控制。5、模式识别与智能系统。双控为国家级重点学科的学校：清华、上交、东南、东北、浙大、西工大等；检测为国家级重点学科的学校：浙大、天大；系统为国家级重点学科的学校：西交、华科；导航为国家级重点学科的学校：哈工大等；模式为国家级重点学科的学校：清华、上交、西交、南理工等；下面是看到的一篇较好的文章与自动化考研的同学分享：首先谈谈顶尖牛校.毫无疑问,清华一支独秀,上交紧随其后,这在圈内是人所共识的。清华自动化的特点是研究领域广度深,在拥有传统优势，控制理论与控制工程方面极负盛誉,在新兴的信息学科交叉领域--模式识别与智能系统方面以明显优势领先于国内同行.之所以会取得如此骄人成绩,归功于该校强大的工科整体实力.事实上自动化系的许多研项目都是在与计算机系,电子工程系紧密合作下开展的.清华最具国际竞争力的智能技术与系统国家重点实验室就挂靠这三个系.自动化系负责智能信息处理的相关研究.另外,清华的CIMS国家工程研究中心更是该系的金字招牌.因此,无论国家投入,自身实力,国际声誉,发展前景上看,清华自动化在中国的霸主地位短期内不会动摇. 上交是传统的工科牛校,自动化系又是该校工科中的重点方向.虽然它规模不大,但却发展均衡,锋芒毕露,极具实力.在自动控制和模式识别方面均有牛人如席裕庚,施鹏飞等主持.这两个领域曾入选国家重点学科,获此殊荣的仅清华,上交两家,其实力可见一斑.另外该系在CIMS,机器人装配方面也大有作为. 接下来可以谈谈第二档牛校---浙大与东南.浙大自动化发展很不均衡,几乎朝着工业自动化一边倒.在这方面,既有国家重点实验室与国家工程中心,也有以孙优贤院士为首的一群牛人撑腰,在国内将同行们甩开了一大截.可惜其他领域乏善可陈,如不加强新兴方向的研究投入,很难获得较高的国际声誉.毕竟,工业自动化只是自动化的一个经典分支,并且在国际学术界受重视度十分有限. 东南大学自动化有着与浙大相似的学科构成,也是偏于工程控制.该系于这方面的历史浸淫颇深,全凭多年来打下的深厚功底运作到现在.老一辈院士钱钟韩，冯纯伯为其在国内赢得了很高地位.现在的人才梯度建设也不错，有田玉平，郭雷等,CIMS更是国内独领风骚(北京第一机床厂CIMS工程:该校是工程唯一的技术依托单位，由本建设项目中的三个二级学科与"计算机应用"学科联合攻关，最终完成的，该工程获得美国制造工程师协会颁发的"工业领先奖"。这是该组织第一次授予非美国企业的国际性大奖。)，不过近年来在势力强大的弱电学科（无线电系，电子系）影响下，有着偏弱电的倾向，目前在重点发展检测技术与自动化装置、模式识别与智能系统两个二级学科。如果学科领域再有所拓展的话,应该能保住其现在的排名. 第三档学校当推哈工大,西交,国防科大,北航,东北,华工等 .它们的特点是在某些方向上比较突出,整体实力也还较为强 劲.如哈工大,国防科大的机器人研究走在国内前列,西交的 模式识别在顶尖牛人郑南宁的带领下异军突起.另外,北航的 单片机与嵌入式系统,西工大的飞行器控制,南开的系统理论 ,中科大的系统仿真,化工过程自动化...都是值得一提的亮 点. 至于其他学校,继续往下排就比较模糊,意义不大了,一般可 依学校名气,博士点,师资而定.小弟不再赘述. 对于考研的朋友还可以考虑一下中科院的研究所.单从实力 上讲的确是不错的选择.沈阳自动化所在机器人研究方面与 哈工大,国防科大并称为中国的"三驾马车",北京自动化所的 人工智能可与清华比肩,模式识别更是独步中华,每年在国际 权威刊物上发表论文数超过国内高校的总和.另外,502所的 空间卫星控制实力超群,有志于国防领域高精尖技术研究的 朋友可以留意.当然这些学校分数很高，初试起码拿到370的分数才有希望，复试一般问题不大。 本人认为，排名都只是虚的东西，每年的排名都会不一样。出路好才是真的好。毕业待遇好，发展前景好。这样的高校才是真正的强校。最后祝福认真复习的考研学子都能考入理想的高校！！！
“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，对《人工智能》这门专业选修课程的 教学 方法 进行了探索和 总结 。以下是我整理分享的关于人工智能结课论文的相关 文章 ，欢迎阅读!
对《人工智能》专业选修课教学的几点体会
摘要：“人工智能”是大学本科自动化专业所开设的一门专业选修课，为了能够调动自动化专业的学生对本课程学习的积极性，提高《人工智能》专业选修课的教学效果，我们结合近几年的实际教学 经验 ，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对《人工智能》这门专业选修课程的教学方法进行了探索和总结。
关键词：人工智能 优选教材 考核方式内容 手段 实践
人工智能(Aritificial Intelligence，英文缩写为AI)是一门综合了应用数学、自动控制、模式识别、系统工程、计算机科学和心理学等多种学科交叉融合而发展起来的的一门新型学科，是21世纪三大尖端技术(基因工程、纳米科学、人工智能)之一。它是研究智能机器所执行的通常与人类智能有关的职能行为，如推理、证明、感知、规划和问题求解等思维活动，来解决人类处理的复杂问题。人工智能紧跟世界社会进步和科技发展的步伐，与时俱进，有关人工智能的许多研究成果已经广泛应用到国防建设、工业生产、国民生活中的各个领域。在信息网络和知识经济时代，人工智能现已成为一个广受重视且有着广阔应用潜能的前沿学科，必将为推动科学技术的进步和产业的发展发挥更大的作用。因此在我国的大中专院校中开展人工智能这门课的教学与科研工作显得十分紧迫。迄今为止，全国绝大多数工科院校中的自动控制、计算机/软件工程、电气工程、机械工程、应用数学等相关专业都开设了人工智能这门课程。南京邮电大学自动化学院自2005年成立至今，一直将“人工智能”列为自动化专业本科生的选修课程，到目前为止已经有八年的历史了。由于南京邮电大学是一所以邮电、通信、电子、计算机、自动化为特色的工科院校，因此，学校所开设的许多专业都迫切需要用人工智能理论和方法解决科研中的实际问题。在问题需求的推动下，南邮人经过多年的努力工作，在人工智能科研方面取得了丰硕的成果，如物联网学院所开发的现代智能物流系统、自动化学院所开发的城市交通流量控制与决策系统，为本课程的开设提供了典型的教学案例。我们结合近几年的实际教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学等方面对人工智能课程教学方法进行了总结归纳。
一、优选教材
目前，国内有关人工智能课程的中英版教材种类非常多，遵循实用、简单、够用的原则，再经过授课老师和学生们的共同调研，我们选用由中南大学蔡自兴教授主编的《人工智能及其应用》第三版作为南邮本课程的授课教材。本书覆盖的人工智能知识体系比较全面，包含知识表示、搜索推理、模糊计算、专家系统等。本书主要针对计算机、自动化、电气工程等本科专业的学生所编写，内容基础，难度适中。蔡教授所编写的这本教材全面地介绍了人工智能的研究内容与应用领域，做到了内容新颖、简单易懂、兼顾基础和应用，受到了全国广大师生们的一致好评，多年的教学实践证明我们所选择的教材是恰当的、正确的。
二、考核方式
在全国大部分高等院校，“人工智能”这门课大都选择开卷考试的方式来进行考核。为了强化学生对人工智能这门课基础知识的掌握，南京邮电大学自动化学院选用闭卷考试的方式来进行考核。为了打消部分学生想在期末闭卷考试中通过作弊手段来完成人工智能这门课考核的侥幸心理，我们加强了对学生平时考勤成绩、课下作业成绩和实验成绩的考核，从而杜绝了“一纸定成绩”的现象。我们对人工智能这门课的最后期末成绩是按如下权重来划分的：平时考勤成绩占10%、课下作业成绩占10%、实验成绩占20%、最后的期末考试卷面成绩只占60%。为了克服国家现行 教育 体制的弊端，避免学生“机械式”地的应对教学和考试，我们对考试题型进行了调整，不再是以往的填空、选择、简答等题型，而是改为以解决实际问题为导向的应用题型为主，这样学生只需要在理解授课内容的基础上利用自己的思维来解题就可以了，这也体现了国家目前正在提倡的应用型教学导向。
三、教学内容调整
对于本科生而言，人工智能这门课程所需要讲授的内容实在太多，由于课时所限，我们必须精简教学内容，让学生在掌握基础知识的同时，也能够了解它的具体应用。因此，我们将人工智能这门课程的教学内容分为两个部分：第一部分是基本理论和方法，包括人工智能的概述、知识表示方法、确定性推理方法等;第二部分为人工智能研究成果的具体应用，包括神经元网络计算、模糊智能计算、专家知识库系统、机器语言学习等。通过对教材内容的合理调整和安排，使得授课计划能够比较全面地覆盖了人工智能这门课程的基本知识点，从而满足了学生们的求知需求。
四、教学手段的改进
(一) 激发学生的学习兴趣
经过长时间的教学我们发现，在选修“人工智能”这门课程时，每个学生的心中所想各有不同，这些学生在刚开始学习时兴趣还比较强烈，但随着教学内容变得越来越抽象，学生逐渐对这本课的学习失去了信心，甚至上课时间不去听课，使授课教师对教学也渐渐失去了信心，导致恶性循环，严重影响了教学质量。针对这种现象，我们认为，在开课前充分激发学生的学习兴趣是很有必要的。我们要结合学校的实验条件，开课前给学生演示“机器人医疗服务”实验，通过该实验的演示，让学生们看到机器人能够给病人提供多项人性化的服务，理解人工智能技术在开发医疗服务机器人多项关键技术中的应用，让学生在开课前能够对本课程的学习产生极大的兴趣，实践证明这种方法是有效的。
(二) 借助多媒体教学
多媒体教学是现代教学过程中一种非常重要的形式，它往往根据教学目的和学生们的特点，通过合理的设计、选择教材内容，应用公式、图形、文字、视频等多种媒体信息进行有机组合并通过电脑和投影机显示出来，与传统教学手段相结合，形成合理的教学过程结构，达到最优化的教学效果。人工智能这门课具有针对性强、内容抽象、公式繁琐等特点，学生学习起来比较困难，为了让学生生动、形象地学习该课程，我们在教学过程中充分利用了多媒体技术来组织教学。例如在课堂教学过程中播放南邮自动化学院梁志伟博士带领学生所开发的“智能 足球 机器人”比赛片段;让学生在线观看北京大学工学院谢广明博士带领学生所开发的“自主视觉机器鱼”录像片段等。在讲解某些重要的求解算法时，借助Matlab软件和投影机，直接展现该算法的求解过程，从而改善了课程教学的形式，提高了教学质量。 (三)提倡课堂 辩论
我们在教学过程中打破了传统的“老师讲课学生听课”的教学模式，多次组织课堂辩论，辩论的主题包括人工智能研究过程中出现的技术困惑、人工智能研究成果转化中的市场前景等。如组织了“电脑PK人脑”“电脑是否让电视消失”“电脑的未来发展方向在哪里”等一系列 辩论会 。经过激烈的辩论，无论正方还是反方都感觉自己收获很大，增长了知识，开阔了眼界。在教学过程中通过将学生由“被动听课”角色变换为“主动参与”角色，大大地调动了学生的学习积极性，从而提高了课堂教学质量。
五、实践教学
实践教学是课堂教学不可缺少的重要组成部分，通过让学生亲自动手实验来对理论知识进行检验和应用是目前国内外各个大学提高学生综合素质、增强学生市场竞争力的重要手段。人工智能实验教学的目的是让学生通过亲自动手体会授课中的各种智能控制算法，从而使学生能够更加形象地掌握课本知识。人工智能教学计划安排了4学时实验课，设置了“传教士和野人过河”“机器人路径规划”这两个人工智能问题，要求学生独立完成这2个实验题目的编程，并书写实验 报告 。通过实验，学生动手实践了课堂上所掌握的理论知识，加深了对智能算法的理解。
人工智能是一门实用性较强的课程，我们总结了近几年来的教学经验，从优选教材、考核方式、教学内容调整、教学手段的改进和实践教学五个方面对人工智能课程教学进行了总结。从学生的反馈来看，我们所总结的教学经验对于指导新教师讲授“人工智能”这门课程具有积极的作用，需要指出的是，我们仍有很多不足之处，需要在以后的教学过程中不断努力完善，提高自己的教学能力，争取更好的教学效果。
参考文献
[1]蔡自兴，徐光佑.人工智能及其应用[M].北京：清华大学出版社，2003.
[2]路小英，周桂红，赵艳等.高等农业院校《人工智能》课程的教学研究与实践[J].河北农业大学学报：农林教育版，2007，9(4)：66-68.
[3]马建斌，李阅历，高媛. 人工智能课程教学的探索与实践[J].河北农业大学学报：农林教育版，2011，13(3)：330-332.
[4]赵海波.人工智能课程教学方法的探讨[J].科技信息，2011，(7)：541.
[5]张廷，杨国胜.“人工智能”课程教学的实践与探索[J].课程与教学，2009(11)：133-134.
本研究得到了江苏省2011年度研究生双语授课教学试点项目—“模式识别与智能系统”项目经费的资助。
下一页分享更优秀的<<<人工智能结课论文
随着人工智能被用来做出更多关于我们生活的决定，工程师们已经找到了使其更具情感智慧的方法。这意味AI可以识别人类自然产生的一些情绪，最明显的是，扫描一个人的脸部并知道他们当时的感受。
为了实现这一点，微软、IBM和亚马逊等科技公司都销售他们称之为“情感识别”的算法，这些算法根据面部分析推断人们的感受。例如，如果有人眉头紧锁，嘴唇紧闭，这意味着他们很生气。如果他们的眼睛是宽的，眉毛是高的，嘴是伸的，这意味着他们害怕，等等。
客户可以以多种方式使用这项技术，从寻找“愤怒”威胁的自动化监控系统到承诺剔除无聊和不感兴趣求职者的求职面试软件，无所不包。但是如何看待人们的感觉是有争议的，并且一项最新研究表明，这些算法没有没有坚定的科学基础。
这项研究由心理科学协会委托，并由该领域的五位杰出科学家仔细检查各种算法和证据。他们花了两年时间来检查数据，审查了1000多项不同的研究。这项研究基本结论是，情绪以多种方式表达，这使得很难可靠地从一组简单的面部动作中推断出某人的感受。
研究发现，超过70%的时间当中，人们生气时不会皱眉。最重要的是，当他们不生气时，他们会经常皱眉。这意味着使用人工智能评估人们情绪的公司会误导消费者。 研究表明，某些面部表情与情绪之间存在强烈相关性的研究往往存在方法上的缺陷。
人工智能的核心诉求是让机器实现对人类的意识、思维的信息过程的模拟，能以人类智能相似的方式作出反应。这就需要从人类的IQ和EQ两个维度对人工智能进行审视，而目前大部分人工智能所从事的研究仅限于倾向IQ方向的模式识别，通过自然语言处理、机器学习、模式识别、物联感知、逻辑推理等技术的综合应用，使机器具备一定的逻辑思维判断能力。但目前，人工智能情绪识别离开人类的干预，对复杂的情感的理解和表达能力，依然面临着困境。
情绪历史学家Thomas Dixon却对此表示非常乐观，他认为对于AI来说，情绪产生的机制可能类似于对大脑提取的众多因素进行加权计算，只要清楚不同文化、不同个体各因素的权重系数，情绪识别的难题也就迎刃而解。
通过面部表情来识别人的心理
通过面部表情来识别人的心理，生活中，想知道一个人内心在想什么，其实是有方法的，我们可以通过人们的面部表情，来识别人的心理变化。那么大家知道要如何通过面部表情来识别人的心理吗？下面和我一起来了解一下吧！
在人们日常交流中，只有7%的信息是通过语言来传递的，55%的信息是通过面部表情来体现的。可见，表情信息在人们之间交流的重要性。
随着人工智能和模式识别的不断发展，人机智能交互中的一项重要技术——人脸表情识别也受到关注。人脸表情识别主要是利用人脸识别技术，对人脸的表情信息进行特征提取并归类，使计算机能获知人的表情信息，进而推断人的心理状态，从而实现人机之间的高级智能交互。
从识别模式来看，人脸表情识别与我们的行为心里学是一致的。行为心里学有一个说法是瞬间识人的超级心里密码是在第一时间看对方的脸。通过表情判断一个人的心里情况，也就是通过细小的表情和微小的动作来观察对方的心里，对即将发生的事情做出一个准确推断。
目前，人脸表情识别的应用领域主要是安全领域、智能机器人研制、电脑游戏、医疗领域等。并且人脸表情识别主要定义六种表情生气、厌恶、害怕、伤心、高兴、吃惊，将人脸划分为若干个运动单元来描述面部动作，这些运动单元显示了人脸运动与表情的对应关系。
人脸表情识别可分为人脸图像的获取与预处理、表情特征提取和表情分类这三部分。基本上与人脸识别在人脸图像的获取和预处理这些环节上是一致的，只是在特征提取方面有区别，人脸识别提取的特征是同一人脸的个体差异，而表情识别提取的特征是同一人脸的不同表情下的差异。
亚里士多德说，脸是心灵的一扇窗，透过表情可以看到一个人的思想。古罗马时期的大哲学家西塞罗也是这一观点的支持者。的确，两千年过去了，面部表情仍然被普遍认为是判断人们感受的一种有效方式，而且不论年龄、性别和文化差异。比如：挑起眉毛表示困惑，微笑表示幸福，皱眉表示悲伤。
但事实果真如此吗？心理学家针对数百篇关于面部表情和潜在情绪之间关系的论文进行了一项分析研究，得出的结论有点儿令人意外：并没有翔实的科学证据表明，人们的日常情绪可以通过面部表情来识别。也就是说，一个没有面带微笑的人，并不意味着他不快乐。
心理学家发现，以城市为生活背景的.成年人，生气时皱眉的机率平均为30%。这就意味着， 人们在生气时，大约有70%的情况是不会皱眉的。相反，人们把皱眉用在了别处，比如，当人们集中注意力时，当有人讲了一个糟糕的笑话时，或者当他们体内有气体时（想要放屁时）。
研究人员得出结论，皱眉，或者面有怒色，是人们表达愤怒的方式之一，但绝不是唯一。人类面部表情之复杂和难以捉摸，不仅限于愤怒，也适用于心理学家定义的六种情绪类别：愤怒、厌恶、恐惧、快乐、悲伤和惊讶。
这让人们对科技公司开发人工智能算法的努力产生了疑问。科技公司总是声称，人工智能算法可以识别面部表情，并计算出潜在的情绪状态。例如，微软声称其"情感分析应用程序"能够通过检测人们的视频片段来判断他们的内心感受。然而，美国俄亥俄州立大学的计算机工程师阿历克斯·马丁内斯对此表示怀疑。他认为，试图根据人脸图像识别人类情绪的做法，事实上是忽略了产生情绪的背景环境的重要性。
首先，面部表情是人们用来交流的许多非语言形式之一，类似的还有身体语言。人工智能识别人的情绪也需要考虑这些因素。而了解情绪产生的背景对于面部表情的解读似乎更为重要。对此，马丁内斯博士引用了一项实验来加以证明。在该实验中，研究人员给参与者展示了一名男子的脸部特写照片，照片上的人嘴巴大张着似乎在尖叫，脸涨得通红。
仅仅根据这一点，大多数参与者会猜想照片上的人非常生气。然而将照片拉到全景，才发现照片实际上是一名足球运动员伸出双臂庆祝进球。他那张局部看起来像是生气的脸，实际上是一种狂喜的表情。
考虑到人们在大部分时间里无法通过表情来准确猜测彼此的情绪状态，马丁内斯博士认为，计算机也不可能做到这一点。他表示："一些公司声称算法可以通过人们的表情来识别他们的情绪状态，并将其应用到比如招聘等场景中，""有些公司要求应聘者提交一份视频简历，然后由一个机器学习系统对其面部表情进行分析，之后得出是否适合雇佣的结论，这种做法真的很令人震惊，因为有些算法可能是基于错误的假设，甚至是一个危险的假设，而在此基础上得出的结论可能是非常可怕、甚至是危险的。"
为了实现这一点，微软、IBM和亚马逊等科技公司都销售他们称之为“情感识别”的算法，这些算法根据面部分析推断人们的感受。例如，如果有人眉头紧锁，嘴唇紧闭，这意味着他们很生气。如果他们的眼睛是宽的，眉毛是高的，嘴是伸的，这意味着他们害怕，等等。
工程师们已经找到了使其更具情感智慧的方法。这意味AI可以识别人类自然产生的一些情绪