Problems in speech and basic emission of vocal sounds are commonly observed in children, however the task of identifying the origin of such disability is complex and prolonged, due to the generic aspect, if by irregular learning or neurobiological disorder, thus causing, in some situations, constant social exclusion. Therefore, it is proposed to use Tracking Algorithms consolidated in specific literature (ACF, Boosting, MIL, Median Flow, KCF, KLT, CRST) for a feasibility analysis in complex computational implementations in the anatomy of human vocal tract from sagittal images. These algorithms are used for understanding the kinematic configuration of multiple dynamic objects and their movements, represented by the upper and lower lips (consequently the “lip distance” at the moment of speech), using Brazilian Portuguese language, for the extraction and recognition of patterns automatically. The patterns can be used in innovative applications in therapy for children with poor articulation in the vocal tract, based on “gaps” and specific difficulties in speech.
Sentiment of analysis is a study area applied to numerous environments (financial, political, academic, business, and communication) whose purpose is to search for messages posted on social media, and through these to identify and classify people's opinions about particular item as positive or negative. Rating the sentiment expressed in opinionated messages is such an important task that currently companies invest a lot of money in collecting this type of information and the development of methods and techniques to classify the sentiment that they express, so that they can use the results as useful information in preparing marketing and sales strategies efficiently. However, one of the major problems facing the feelings of analysis is the difficulty of methods to properly analyze messages with sarcastic and/or ironic content, as these linguistic phenomena have the characteristic of transforming the polarity or meaning of a positive or negative statement into its opposite.
O aprendizado profundo continua a revolucionar indústrias ao abordar desafios complexos por meio de arquiteturas neurais inovadoras, refletindo um dos campos mais dinâmicos e promissores da ciência da computação moderna. Desde os primeiros modelos de redes neurais artificiais até as sofisticadas estruturas que dominam atualmente o cenário tecnológico, o aprendizado profundo tem evoluído rapidamente, impulsionado pela disponibilidade de grandes volumes de dados, avanços em hardware computacional e a crescente demanda por soluções automatizadas e inteligentes. Neste trabalho de revisão, conduzido nas bases de dados Google Acadêmico, arXiv, Scopus, e SciELO, exploramos cinco modelos emergentes em 2024 e início de 2025 – Temporal Convolutional Networks, Kolmogorov-Arnold Networks, Quantum-Inspired Recurrent Networks, Deep Reinforcement Learning e Generative Adversarial Networks para apontar mecanismos de funcionamento e analisar o impacto transformador dessas ferramentas em diversos campos do conhecimento científico. Ao agrupar essas arquiteturas de acordo com suas aplicações em saúde, criação de conteúdo, sistemas autônomos, análise de séries temporais e detecção de anomalias, fornecemos uma visão abrangente de suas capacidades, forças e possíveis limitações. Assim, elucida-se as principais características utilizadas na seleção das técnicas mais adequadas para necessidades específicas, além de destacar oportunidades para avanços futuros.
Este artigo propõe um sistema embarcado baseado em lógica fuzzy para a avaliação da qualidade do ar interno, integrando sensores ambientais e um umidificador como atuador. Dados coletados em sala de aula foram processados por um modelo fuzzy validado em comparação a um controlador PID tradicional. Os resultados obtidos no ambiente de teste específico indicam que, para as variáveis abordadas, a abordagem fuzzy apresentou uma menor variabilidade em relação ao PID. Embora o PID se mantenha como um método de controle válido, o sistema fuzzy manteve 90,58% das amostras acima do limiar de conforto, frente a 47,91% do PID sob as mesmas condições. Os achados sugerem que, para o cenário e as variáveis analisadas, a lógica fuzzy apresentou uma resposta condizente com as necessidades de regulação do microclima.