Danniel Macedo
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Danniel Macedo has a total of 15 co-authors. Here are the top co-authors by number of shared publications:
- Tiago Maritan Ugulino De Araújo
UFPB
3 shared publications - Daniel França
UFPB, Brazil
2 shared publications - Manuella Aschoff Cavalcanti Brandão Lima
Digital Video Applications Lab (LAVID), Federal University of Paraíba (UFPB), João Pessoa, Brazil
2 shared publications - Tiago Cruz de França
Universidade Federal Rural do Rio de Janeiro
2 shared publications - Alisson Vasconcelos Brito
Federal University of Paraíba (UFPB)
1 shared publication - Carolina de Melo Costa
Departamento de Informática / Centro de Informática, Universidade Federal da Paraíba (UFPB), João Pessoa, Paraíba, Brazil
1 shared publication
Latest Publications
- Open Access
- 7 October 2026
- Published by MDPI AG in Preprints.org
highFIS: High-Dimensional Takagi-Sugeno-Kang Fuzzy Inference Systems in Python
This paper introduces highFIS, an open-source Python package for training and evaluating high-dimensional Takagi-Sugeno-Kang (TSK) neuro-fuzzy inference systems. TSK systems are widely appreciated for their local linear approximation capabilities and structural transparency, yet the classical product T-norm formulation suffers from exponential rule activation collapse and softmax saturation in high-dimensional spaces. The highFIS library addresses this limitation by unifying thirteen high-dimensional TSK estimator families and a baseline model under a single declarative, scikit-learn-compatible application programming interface (API). These estimators leverage modern mathematical strategies to mitigate the curse of dimensionality, including antecedent exponent re-formulation, differentiable softmin approximations, adaptive parametric T-norms, double groups of gates for sparse feature and rule selection, and head-based subspace decomposition. Every family is implemented with both a Classifier and a Regressor variant that integrate naturally with the meta-estimators and model evaluation frameworks of scikit-learn. Built on PyTorch, the package en-ables efficient gradient-based optimization with hardware acceleration, offers extensive introspection utilities to extract interpretable rule bases, and supports versioned checkpoints for model persistence. Usage is illustrated on a low-dimensional interpretability example and on real high-dimensional classification and regression datasets.
- 7 October 2026
- Published by MDPI AG in Preprints.org
Open AccesshighFIS: High-Dimensional Takagi-Sugeno-Kang Fuzzy Inference Systems in Python
This paper introduces highFIS, an open-source Python package for training and evaluating high-dimensional Takagi-Sugeno-Kang (TSK) neuro-fuzzy inference systems. TSK systems are widely appreciated for their local linear approximation capabilities and structural transparency, yet the classical product T-norm formulation suffers from exponential rule activation collapse and softmax saturation in high-dimensional spaces. The highFIS library addresses this limitation by unifying thirteen high-dimensional TSK estimator families and a baseline model under a single declarative, scikit-learn-compatible application programming interface (API). These estimators leverage modern mathematical strategies to mitigate the curse of dimensionality, including antecedent exponent re-formulation, differentiable softmin approximations, adaptive parametric T-norms, double groups of gates for sparse feature and rule selection, and head-based subspace decomposition. Every family is implemented with both a Classifier and a Regressor variant that integrate naturally with the meta-estimators and model evaluation frameworks of scikit-learn. Built on PyTorch, the package en-ables efficient gradient-based optimization with hardware acceleration, offers extensive introspection utilities to extract interpretable rule bases, and supports versioned checkpoints for model persistence. Usage is illustrated on a low-dimensional interpretability example and on real high-dimensional classification and regression datasets.
- 2 March 2026
- Published by Ubiquity Press, Ltd. in Journal of Open Research Software
- Vol. 14
ANFIS-Toolbox: A Python Package for Adaptive Neuro-Fuzzy Inference Systems
- 2 March 2026
- Published by Ubiquity Press, Ltd. in Journal of Open Research Software
- Vol. 14
ANFIS-Toolbox: A Python Package for Adaptive Neuro-Fuzzy Inference Systems
- 8 September 2025
- Published by Sociedade Brasileira de Computação
- p. 130-151
Libraskê: um Jogo para Entreter e Aproximar as Pessoas da Libras
Introdução: Apesar do crescimento da indústria de jogos eletrônicos, os investimentos em acessibilidade permanecem limitados, prejudicando a qualidade das experiências oferecidas a pessoas com deficiência. Para a comunidade surda, a principal barreira é a comunicação, pois, mesmo com recursos audiovisuais e textuais, a língua de sinais (LS) raramente é utilizada. Objetivo: Desenvolver um jogo acessível sério baseado no karaokê, o Libraskê, que visa disseminar e facilitar o aprendizado da Língua Brasileira de Sinais (Libras), tornando a experiência acessível e divertida tanto para pessoas surdas quanto ouvintes. Metodologia: O jogo foi avaliado por meio de sessões de gameplay playtest envolvendo participantes surdos e ouvintes. Resultados: As avaliações indicaram que o Libraskê proporcionou entretenimento, promoveu imersão e atendeu às expectativas dos participantes. Demonstrando potencial como ferramenta de entretenimento inclusivo e de aproximação cultural e linguística entre surdos e ouvintes.
- 8 September 2025
- Published by Sociedade Brasileira de Computação
- p. 130-151
Libraskê: um Jogo para Entreter e Aproximar as Pessoas da Libras
Introdução: Apesar do crescimento da indústria de jogos eletrônicos, os investimentos em acessibilidade permanecem limitados, prejudicando a qualidade das experiências oferecidas a pessoas com deficiência. Para a comunidade surda, a principal barreira é a comunicação, pois, mesmo com recursos audiovisuais e textuais, a língua de sinais (LS) raramente é utilizada. Objetivo: Desenvolver um jogo acessível sério baseado no karaokê, o Libraskê, que visa disseminar e facilitar o aprendizado da Língua Brasileira de Sinais (Libras), tornando a experiência acessível e divertida tanto para pessoas surdas quanto ouvintes. Metodologia: O jogo foi avaliado por meio de sessões de gameplay playtest envolvendo participantes surdos e ouvintes. Resultados: As avaliações indicaram que o Libraskê proporcionou entretenimento, promoveu imersão e atendeu às expectativas dos participantes. Demonstrando potencial como ferramenta de entretenimento inclusivo e de aproximação cultural e linguística entre surdos e ouvintes.