Haroldo Gomes Barroso Filho

Dr. Haroldo Gomes Barroso Filho

Engenharia da Computação, Federal University of Maranhão, São Luís, Maranhão, Brazil
orcid

Research Focus & Metrics

Academic Career Length

9Years (2018-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
20 June 2026 in Journal of Loss Prevention in the Process Industries
Verified
Journal Article
Open access
GCGabriel Camara Cavalcanti
Gabriel Camara Cavalcanti
AFAlex Barradas Filho
Alex Barradas Filho
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
SVSávio Vianna
Sávio Vianna
EFElmo de Sena Ferreira
Elmo de Sena Ferreira

27 July 2020 in IEEE Access
Verified
Journal Article
Open access
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
Roberto Célio Limão OliveiraRoberto Célio Limão Oliveira
Roberto Célio Limão Oliveira
ASAdam Santos
Adam Santos
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.

1 January 2018
Verified
Book Chapter
Closed access
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
HBHaroldo Barroso
Haroldo Barroso
LWLeila Weitzel
Leila Weitzel
DRDilcielly Almeida Ribeiro
Dilcielly Almeida Ribeiro
JSJosé Santos
José Santos
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.

1 April 2025 in ARACÊ
Verified
Journal Article
Open access
PDF file
Danilo Gualberto ZavarizeDanilo Gualberto Zavarize
Danilo Gualberto Zavarize
SASamuel Gonçalves Alves
Samuel Gonçalves Alves
ASAntônio Duda Oliveira Da Silva
Antônio Duda Oliveira Da Silva
JOJoelson Gomes De Oliveira
Joelson Gomes De Oliveira
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
DCDaniel Duarte Costa
Daniel Duarte Costa
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.

26 June 2025
Verified
Book Chapter
Closed access
PDF file
LSLuã C. S. Saunders
Luã C. S. Saunders
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
CMClebson Machado
Clebson Machado
DADaniel L. S. Aires
Daniel L. S. Aires
ISIdemilson D. A. Silva
Idemilson D. A. Silva
PGPaulo G. S. Gomes
Paulo G. S. Gomes

19 July 2026
Verified
Conference Paper
Open access
PDF file
AJAntônio Carlos P. de S. Júnior
Antônio Carlos P. de S. Júnior
EAElton R. Alves
Elton R. Alves
WJWarley M. Valente Júnior
Warley M. Valente Júnior
ASAdam D. Santos
Adam D. Santos
HFHaroldo Gomes Barroso Filho
Haroldo Gomes Barroso Filho
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.