O presente trabalho propõe um novo modelo de rede neural artificial voltado a aplicações robóticas, em especial a tarefas de natureza espaço-temporal e de horizonte infinito. Este modelo apresenta três características que o tornam único e que foram tomadas como guia para a sua concepção: auto-organização, representação temporal e aprendizado construtivo. O algoritmo de aprendizagem auto-organizada incorpora todos os mecanismos que são básicos para a auto-organização: competição global, cooperação local e auto-amplificação seletiva. A rede neural é suprida com propriedades dinâmicas através de uma memória de curto prazo. A memória de curto prazo é inserida na estrutura da rede por meio de integradores e diferenciadores, os quais são implementados na camada de entrada da rede. Nesta abordagem existe uma evidente separação de papéis: a rede é responsável pela não-linearidade e a memória é responsável pelo tempo. A construção automática da arquitetura da rede neural é realizada de acordo com uma unidade de habituação. A unidade de habituação regula o crescimento e a poda de neurônios. O procedimento de inclusão, adaptação e remoção de conexões sinápticas é realizado conforme o método de aprendizado hebbiano competitivo. Em muitos problemas práticos, como os existentes na área da robótica, a auto-organização, a representação temporal e o aprendizado construtivo são fatores imprescindíveis para o sucesso da tarefa. A grande dificuldade e, ao mesmo tempo, a principal contribuição deste trabalho consiste em integrar tais tecnologias em uma arquitetura de rede neural artificial de maneira eficiente. Estudos de caso foram elaborados para validar e, principalmente, determinar as potencialidades e as limitações do modelo neural proposto. Os cenários abrangeram tarefas simples de classificação de padrões e segmentação temporal. Os resultados preliminares obtidos demonstraram a eficiência do modelo neural proposto frente às arquiteturas conexionistas existentes e foram considerados bastante satisfatórios com relação aos parâmetros avaliados. No texto são apresentados, também, alguns aspectos teóricos das ciências cognitivas, os fundamentos de redes neurais artificiais, o detalhamento de uma ferramenta de simulação robótica, conclusões, limitações e possíveis trabalhos futuros. / The present work proposes a new artificial neural network model suitable for robotic applications, in special to spatiotemporal tasks and infinite horizon tasks. This model has three characteristics which make it unique and are taken as means to guide its conception: self-organization, temporal representation and constructive learning. The algorithm of self-organizing learning incorporates all the mechanisms that are basic to the self-organization: global competition, local cooperation and selective self-amplification. The neural network is supplied with dynamic properties through a short-term memory. The short-term memory is added in the network structure by means of integrators and differentiators, which are implemented in the input layer of the network. In this approach exists an evident separation of roles: the network is responsible for the non-linearity and the memory is responsible for the time. The automatic construction of the neural network architecture is carried out taking into account habituation units. The habituation unit regulates the growing and the pruning of neurons. The procedure of inclusion, adaptation and removal of synaptic connections is carried out in accordance with competitive hebbian learning technique. In many practical problems, as the ones in the robotic area, self-organization, temporal representation and constructive learning are essential factors to the success of the task. The great difficulty and, at the same time, the main contribution of this work consists in the integration of these technologies in a neural network architecture in an efficient way. Some case studies have been elaborated to validate and, mainly, to determine the potentialities and the limitations of the proposed neural model. The experiments comprised simple tasks of pattern classification and temporal segmentation. Preliminary results have shown the good efficiency of the neural model compared to existing connectionist architectures and they have been considered sufficiently satisfactory with regard to the evaluated parameters. This text also presents some theoretical aspects of the cognitive science area, the fundamentals of artificial neural networks, the details of a robotic simulation tool, the conclusions, limitations and possible future works.

In this thesis we study a mathematical model that describes task partitioning in a colony of ants. This process of self-organization is modeled by a nonlinear coupled system of rst order autonomous ordinary dierential equations. We discuss how this system of equations can be derived based on the behavior of ants in a colony. We use GNU Octave (a high-level programming language) to solve the system of equations numerically for dierent sets of parameters and show how the solutions respond to changes in the parameter values. Finally, we prove that the model is well-posed locally in time. We rewrite the system of ordinary dierential equations in terms of a system of coupled Volterra integral equations and look at the right-hand side of the system as a nonlinear operator on a Banach space. By doing so, we have transformed the problem of showing existence and uniqueness of solutions to a system of ordinary dierential equations into a problem of showing existence and uniqueness of a xed point to the corresponding integral operator. Additionally, we use Gronwall's inequality to prove the stability of solutions with respect to data and parameters.

Este trabalho aborda os sistemas de montagem auto-organizados baseados em agentes para o ambiente industrial. Para isso, traz uma visão ampla dos paradigmas atuais para a manufatura que usam o conceito de agente e que promovem auto-organização, mas é focado no paradigma de sistemas de montagem e de produção evolutivos. Além da autoorganização, aspectos de auto-otimização nestes sistemas também são considerados. Portanto, este trabalho aborda os aspectos teóricos e práticos de sistemas evolutivos e, em particular, propõe uma plataforma multiagente que usa o conceito de agente mecatrônico para permitir o desenvolvimento de sistemas auto-organizados e que também possuam a capacidade de otimizar autonomamente algum recurso interno ao sistema. Um agente mecatrônico é uma entidade capaz de ação autônoma num sistema de manufatura, devido a uma decisão própria ou à solicitação de ação por outros agentes, e tal é conseguido através da definição e execução de funcionalidades pelos agentes mecatrônicos. A plataforma multiagente proposta foi implementada e validada no âmbito de um projeto da União Europeia o qual possui parceiros acadêmicos e industriais e visa a criação de sistemas evolutivos auto-organizados em um cenário industrial real. / This work deals with agent-based self-organized assembly systems for manufac– turing. Although the text aims to provide a comprehensive overview on current paradigms to manufactiuring systems development and execution that use the concept of agent and promote self-organization, the thesis main focus lies in evolvable production and assembly systems paradigms. Beyond self-organization, self-optimization aspects of evolvable systems are also considered. Therefore, this thesis discusses theoretical and practical aspects of evolvable systems and, in particular, develops a multi-agent platform that uses the mechatronic agent concept to enable the development of self-organized systems and has the capacity of autonomously to optimize some internal resource of the system. A mechatronic agent is an entity that is capable of autonomous action on a manufacturing system due to this own reasoning or by reacting to a requested action from other agents. The proposed platform was implemented and validated within the scope of a research project funded by the European Union that has both academic and industrial partners and it goals the building of self-organized evolvable assembly systems for a real industrial scenario.

Made available in DSpace on 2014-06-11T19:25:28Z (GMT). No. of bitstreams: 0 Previous issue date: 2004-09-16Bitstream added on 2014-06-13T18:28:49Z : No. of bitstreams: 1 moraes_scb_me_mar.pdf: 656902 bytes, checksum: a2d26e03862c2aeef3f737035b7a9ea1 (MD5) / Universidade Estadual Paulista (UNESP) / A vida do homem inserido em seu meio ambiente, que (nesse trabalho) é a cidade faz sua atuação dependendo de sua consciência do mundo.As cidades são sistemas dinâmicos onde se pode constatar indícios de auto-organização. O paradigma da auto-organização nos sistemas dinâmicos é desenvolvido nas Ciências Cognitivas, com paralelos na física, biologia, sociologia. A auto-organização nos sistemas dinâmicos caracteriza-se como um processo criativo no qual a estrutura anterior é transformada. Os processos emergentes numa nova forma caracterizam a criação, assim como a formação de interpretantes peirceanos. A semiótica peirceana, fazendo parte de sua extensa arquitetura metafísica, trata da formação de interpretantes numa forma anterior e mais abrangente que a concepções dos processos de auto-organização e emergência A criatividade pode ser constatada na significação de um processo informacional que relaciona signos produzindo crenças. No contínuo da formação de hábitos visto através da semiótica, através da relação interpretante, signo e objeto constatamos um processo evolutivo e criativo que possibilita a mudança de crenças e conseqüente transformação de hábitos. Um entendimento possível da cidade é caracteriza-la enquanto um sistema dinâmico auto-organizado na qual ocorre a transformação da relação entre seus elementos, num processo sígnico criativo e evolutivo, onde existe a possibilidade de continuidade da vida. / Life of man integrated into his environment, which (in this work) is the town, makes his action to depend on his awareness of the world. Towns are dynamic systems where self-organization signs may be found out. In the dynamic systems self-organization paradigm is developed in the cognitive sciences, with parallels in physics, biology and sociology.In the dynamic systems self-organization is characterized as a creative process in which the previous structure is transformed. Emerging processes in a new shape characterize creation just as peircean interpretants constitution. Peircean semiotics, as part of his large metaphysical architecture deals with interpretants construction in a previous and more comprehensive way than concepts of self-organization and emergence processes. Creativity may be found out in the significance of an informational process which relates signs resulting in beliefs.In the continuum of habits shaping seen through semiotics, by means of interpretant, sign and object relationship, an evolutionary and creative process is found out, which may cause changes in beliefs and therefore in habits.A possible way to understand a town is to characterize it as a self-organized dynamic system in which change of relationship among its elements occurs, within a signic process that is creative and evolutionary, where possibility of continuity of life exists.

Made available in DSpace on 2014-06-11T19:25:29Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-02-09Bitstream added on 2014-06-13T20:08:12Z : No. of bitstreams: 1 frastrone_mgb_me_mar.pdf: 990123 bytes, checksum: c13ebbb208351046219b9647c0ddae5c (MD5) / Este trabalho tem por objetivo investigar alguns pressupostos e implicações filosóficas da noção cartesiana de corpo e contrapor esta concepção ao entendimento de que o corpo dos organismos é uma estrutura biológica com capacidades cognitivas que se atualiza evolutivamente de modo auto-organizado. Apoiados na teoria de sistemas complexos, tal como proposto por Souza (2000, 2004, 2007), Souza e Daminelli (2008), Guimarães (2000, 2004), Pereira Júnior (2004), caracterizamos o corpo como instância auto-organizada que se atualiza nas relações com o meio e entre suas estruturas constituintes. Defendemos também a hipótese, apoiados em Haselager (2004, 2007, Gonzalez (2004) e Broens (2004, 2007), que a estrutura corpórea, em contraste com os postulados dualistas – mais proeminente o cartesiano -, corresponde à atualização de padrões disposicionais cuja interação com o meio é de importância central para a cognição. Assim, entendemos que o corpo não pode ser reduzido a uma substância extensa sem nenhum papel cognitivo, como entendiam Descartes e muitos dualistas, ou, como parecem pressupor alguns cognitivistas tradicionais, a desempenhar, quando muito, um papel cognitivo secundário. Procuraremos ressaltar que, adotada uma perspectiva evolucionária, (1) o corpo deve ser entendido simultaneamente como produto e produtor de processos cognitivos na dinâmica auto-organizativa própria da vida e (2) a adoção desta perspectiva têm implicações importantes para a Filosofia da Mente / This work aims at inquiring into some of the philosophical assumptions and implications of the Cartesian concept of body, seeking to contrast such view to the understanding that the body of organisms is a biological structure with cognitive capacities actualizing itself in an evolutive self-organized way. We rely on the theories of complex systems, such as those argued for by Souza (2000, 2004, 2007), Souza and Daminelli (2008), Guimarães (2000, 2004), Pereira Júnior (2004), and we seek to identify the body as a self-organized instance actualizing itself in the relations with the environment and in between its constitutive structures. Based on the works of Haselager (2004, 2007), Gonzales (2004) and Broens (2004, 2007), and in contrast to dualistic assumptions, mainly of a Cartesian character, we also defend the hypothesis that corporal structure corresponds to the actualization of dispositional patterns, of which the interaction with the environment is chiefly significant to cognition. So, we understand that the body cannot be reduced to a mere bundle of matter and made to occupy a secondary role, as traditional cognitivists defend. Our account acquires consistency when the body is seen as a source of knowledge grounded on a fluid and continuous evolutive history, being not only a mere result reached from logical processes coordinated by knowledge representations, as Haselager points out (2004). We stress the central role of the body in processes of acquisition of knowledge. Finally, we conclude that the body cannot be resumed to an extended substance with no cognitive role at all, as Descartes and many other dualistic thinkers assumed; or, as many traditional cognitivists seem to assume, that it has only a secondary role in cognition. We seek to reinforce that once an evolutive standpoint is taken, (1) the body must be understood at the same time both as producer ... (Complete abstract click electronic access below)

O presente trabalho propõe um novo modelo de rede neural artificial voltado a aplicações robóticas, em especial a tarefas de natureza espaço-temporal e de horizonte infinito. Este modelo apresenta três características que o tornam único e que foram tomadas como guia para a sua concepção: auto-organização, representação temporal e aprendizado construtivo. O algoritmo de aprendizagem auto-organizada incorpora todos os mecanismos que são básicos para a auto-organização: competição global, cooperação local e auto-amplificação seletiva. A rede neural é suprida com propriedades dinâmicas através de uma memória de curto prazo. A memória de curto prazo é inserida na estrutura da rede por meio de integradores e diferenciadores, os quais são implementados na camada de entrada da rede. Nesta abordagem existe uma evidente separação de papéis: a rede é responsável pela não-linearidade e a memória é responsável pelo tempo. A construção automática da arquitetura da rede neural é realizada de acordo com uma unidade de habituação. A unidade de habituação regula o crescimento e a poda de neurônios. O procedimento de inclusão, adaptação e remoção de conexões sinápticas é realizado conforme o método de aprendizado hebbiano competitivo. Em muitos problemas práticos, como os existentes na área da robótica, a auto-organização, a representação temporal e o aprendizado construtivo são fatores imprescindíveis para o sucesso da tarefa. A grande dificuldade e, ao mesmo tempo, a principal contribuição deste trabalho consiste em integrar tais tecnologias em uma arquitetura de rede neural artificial de maneira eficiente. Estudos de caso foram elaborados para validar e, principalmente, determinar as potencialidades e as limitações do modelo neural proposto. Os cenários abrangeram tarefas simples de classificação de padrões e segmentação temporal. Os resultados preliminares obtidos demonstraram a eficiência do modelo neural proposto frente às arquiteturas conexionistas existentes e foram considerados bastante satisfatórios com relação aos parâmetros avaliados. No texto são apresentados, também, alguns aspectos teóricos das ciências cognitivas, os fundamentos de redes neurais artificiais, o detalhamento de uma ferramenta de simulação robótica, conclusões, limitações e possíveis trabalhos futuros. / The present work proposes a new artificial neural network model suitable for robotic applications, in special to spatiotemporal tasks and infinite horizon tasks. This model has three characteristics which make it unique and are taken as means to guide its conception: self-organization, temporal representation and constructive learning. The algorithm of self-organizing learning incorporates all the mechanisms that are basic to the self-organization: global competition, local cooperation and selective self-amplification. The neural network is supplied with dynamic properties through a short-term memory. The short-term memory is added in the network structure by means of integrators and differentiators, which are implemented in the input layer of the network. In this approach exists an evident separation of roles: the network is responsible for the non-linearity and the memory is responsible for the time. The automatic construction of the neural network architecture is carried out taking into account habituation units. The habituation unit regulates the growing and the pruning of neurons. The procedure of inclusion, adaptation and removal of synaptic connections is carried out in accordance with competitive hebbian learning technique. In many practical problems, as the ones in the robotic area, self-organization, temporal representation and constructive learning are essential factors to the success of the task. The great difficulty and, at the same time, the main contribution of this work consists in the integration of these technologies in a neural network architecture in an efficient way. Some case studies have been elaborated to validate and, mainly, to determine the potentialities and the limitations of the proposed neural model. The experiments comprised simple tasks of pattern classification and temporal segmentation. Preliminary results have shown the good efficiency of the neural model compared to existing connectionist architectures and they have been considered sufficiently satisfactory with regard to the evaluated parameters. This text also presents some theoretical aspects of the cognitive science area, the fundamentals of artificial neural networks, the details of a robotic simulation tool, the conclusions, limitations and possible future works.

abstract: An understanding of the formation of spatial heterogeneity is important because spatial heterogeneity leads to functional consequences at the ecosystem scale; however, such an understanding is still limited. Particularly, research simultaneously considering both external variables and internal feedbacks (self-organization) is rare, partly because these two drivers are addressed under different methodological frameworks. In this dissertation, I show the prevalence of internal feedbacks and their interaction with heterogeneity in the preexisting template to form spatial pattern. I use a variety of techniques to account for both the top-down template effect and bottom-up self-organization. Spatial patterns of nutrients in stream surface water are influenced by the self-organized patch configuration originating from the internal feedbacks between nutrient concentration, biological patchiness, and the geomorphic template. Clumps of in-stream macrophyte are shaped by the spatial gradient of water permanence and local self-organization. Additionally, significant biological interactions among plant species also influence macrophyte distribution. The relative contributions of these drivers change in time, responding to the larger external environments or internal processes of ecosystem development. Hydrologic regime alters the effect of geomorphic template and self-organization on in-stream macrophyte distribution. The relative importance of niche vs. neutral processes in shaping biodiversity pattern is a function of hydrology: neutral processes are more important in either very high or very low discharge periods. For the spatial pattern of nutrients, as the ecosystem moves toward late succession and nitrogen becomes more limiting, the effect of self-organization intensifies. Changes in relative importance of different drivers directly affect ecosystem macroscopic properties, such as ecosystem resilience. Stronger internal feedbacks in average to wetter years are shown to increase ecosystem resistance to elevated external stress, and make the backward shifts (vegetation loss) much more gradual. But it causes increases in ecosystem hysteresis effect. Finally, I address the question whether functional consequences of spatial heterogeneity feed back to influence the processes from which spatial heterogeneity emerged through a conceptual review. Such feedbacks are not likely. Self-organized spatial patterning is a result of regular biological processes of organisms. Individual organisms do not benefit from such order. It is order for free, and for nothing. / Dissertation/Thesis / Doctoral Dissertation Biology 2015

Les deux principales limitations des mémoires non-volatiles de type Flash à stockage de charges dans des nanocristaux en silicium sont la faible fenêtre mémoire et la dispersion des caractéristiques électriques due à la dispersion en taille des nanocristaux. Dans cette thèse, plusieurs solutions sont étudiées afin de remédier à ces deux défauts. Afin d'augmenter la fenêtre de programmation, une première approche consiste à augmenter la densité de stockage de charges grâce à l'utilisation d'une double couche de nanocristaux en silicium. Le fonctionnement et les performances électriques de ces dispositifs mémoires sont étudiés puis interprétés grâce à un modèle analytique. Une seconde approche, plus amont, consiste à utiliser des nanocristaux métalliques pour augmenter la quantité de charges piégées dans les nanocristaux. Le dépôt, la passivation et l'intégration de nanocristaux à caractère métallique (Pt, TiN, W) en tant que grille flottante dans un dispositif mémoire sont ainsi réalisés. Enfin, l'organisation « bottom-up » des nanocristaux est proposée comme une solution à la dispersion des caractéristiques électriques des dispositifs mémoires. Un procédé original de transfert et de gravure d'un masque auto-organisé à base de copolymères diblocs est développé. / The two main limitations of Flash nonvolatile memories charge storage in silicon nanocrystals are the small memory window and the dispersion of electrical characteristics due to the size dispersion of nanocrystals. In this thesis, several solutions are studied in order to remedy these defects. In order to increase the programming window, a first approach is to increase the density of charges stored in the device through the use of a double layer of silicon nanocrystals. The operation and electrical performance of these memory devices are studied and interpreted through an analytical model. A second approach, more upstream, is the use of metallic nanocrystals to increase the amount of trapped charges in the nanocrystals. Deposition, passivation and integration of metal nanocrystals (Pt, TiN, W) as a floating gate in a memory device have been realized. Finally, the "bottom-up" organisation of nanocrystals is proposed as a solution to the dispersion of electrical characteristics of memory devices. An original process for transferring a self-organized diblock copolymer mask into a hard mask is developed and used to etch nanocrystals with small size dispersion.

Este trabalho aborda os sistemas de montagem auto-organizados baseados em agentes para o ambiente industrial. Para isso, traz uma visão ampla dos paradigmas atuais para a manufatura que usam o conceito de agente e que promovem auto-organização, mas é focado no paradigma de sistemas de montagem e de produção evolutivos. Além da autoorganização, aspectos de auto-otimização nestes sistemas também são considerados. Portanto, este trabalho aborda os aspectos teóricos e práticos de sistemas evolutivos e, em particular, propõe uma plataforma multiagente que usa o conceito de agente mecatrônico para permitir o desenvolvimento de sistemas auto-organizados e que também possuam a capacidade de otimizar autonomamente algum recurso interno ao sistema. Um agente mecatrônico é uma entidade capaz de ação autônoma num sistema de manufatura, devido a uma decisão própria ou à solicitação de ação por outros agentes, e tal é conseguido através da definição e execução de funcionalidades pelos agentes mecatrônicos. A plataforma multiagente proposta foi implementada e validada no âmbito de um projeto da União Europeia o qual possui parceiros acadêmicos e industriais e visa a criação de sistemas evolutivos auto-organizados em um cenário industrial real. / This work deals with agent-based self-organized assembly systems for manufac– turing. Although the text aims to provide a comprehensive overview on current paradigms to manufactiuring systems development and execution that use the concept of agent and promote self-organization, the thesis main focus lies in evolvable production and assembly systems paradigms. Beyond self-organization, self-optimization aspects of evolvable systems are also considered. Therefore, this thesis discusses theoretical and practical aspects of evolvable systems and, in particular, develops a multi-agent platform that uses the mechatronic agent concept to enable the development of self-organized systems and has the capacity of autonomously to optimize some internal resource of the system. A mechatronic agent is an entity that is capable of autonomous action on a manufacturing system due to this own reasoning or by reacting to a requested action from other agents. The proposed platform was implemented and validated within the scope of a research project funded by the European Union that has both academic and industrial partners and it goals the building of self-organized evolvable assembly systems for a real industrial scenario.

O presente trabalho propõe um novo modelo de rede neural artificial voltado a aplicações robóticas, em especial a tarefas de natureza espaço-temporal e de horizonte infinito. Este modelo apresenta três características que o tornam único e que foram tomadas como guia para a sua concepção: auto-organização, representação temporal e aprendizado construtivo. O algoritmo de aprendizagem auto-organizada incorpora todos os mecanismos que são básicos para a auto-organização: competição global, cooperação local e auto-amplificação seletiva. A rede neural é suprida com propriedades dinâmicas através de uma memória de curto prazo. A memória de curto prazo é inserida na estrutura da rede por meio de integradores e diferenciadores, os quais são implementados na camada de entrada da rede. Nesta abordagem existe uma evidente separação de papéis: a rede é responsável pela não-linearidade e a memória é responsável pelo tempo. A construção automática da arquitetura da rede neural é realizada de acordo com uma unidade de habituação. A unidade de habituação regula o crescimento e a poda de neurônios. O procedimento de inclusão, adaptação e remoção de conexões sinápticas é realizado conforme o método de aprendizado hebbiano competitivo. Em muitos problemas práticos, como os existentes na área da robótica, a auto-organização, a representação temporal e o aprendizado construtivo são fatores imprescindíveis para o sucesso da tarefa. A grande dificuldade e, ao mesmo tempo, a principal contribuição deste trabalho consiste em integrar tais tecnologias em uma arquitetura de rede neural artificial de maneira eficiente. Estudos de caso foram elaborados para validar e, principalmente, determinar as potencialidades e as limitações do modelo neural proposto. Os cenários abrangeram tarefas simples de classificação de padrões e segmentação temporal. Os resultados preliminares obtidos demonstraram a eficiência do modelo neural proposto frente às arquiteturas conexionistas existentes e foram considerados bastante satisfatórios com relação aos parâmetros avaliados. No texto são apresentados, também, alguns aspectos teóricos das ciências cognitivas, os fundamentos de redes neurais artificiais, o detalhamento de uma ferramenta de simulação robótica, conclusões, limitações e possíveis trabalhos futuros. / The present work proposes a new artificial neural network model suitable for robotic applications, in special to spatiotemporal tasks and infinite horizon tasks. This model has three characteristics which make it unique and are taken as means to guide its conception: self-organization, temporal representation and constructive learning. The algorithm of self-organizing learning incorporates all the mechanisms that are basic to the self-organization: global competition, local cooperation and selective self-amplification. The neural network is supplied with dynamic properties through a short-term memory. The short-term memory is added in the network structure by means of integrators and differentiators, which are implemented in the input layer of the network. In this approach exists an evident separation of roles: the network is responsible for the non-linearity and the memory is responsible for the time. The automatic construction of the neural network architecture is carried out taking into account habituation units. The habituation unit regulates the growing and the pruning of neurons. The procedure of inclusion, adaptation and removal of synaptic connections is carried out in accordance with competitive hebbian learning technique. In many practical problems, as the ones in the robotic area, self-organization, temporal representation and constructive learning are essential factors to the success of the task. The great difficulty and, at the same time, the main contribution of this work consists in the integration of these technologies in a neural network architecture in an efficient way. Some case studies have been elaborated to validate and, mainly, to determine the potentialities and the limitations of the proposed neural model. The experiments comprised simple tasks of pattern classification and temporal segmentation. Preliminary results have shown the good efficiency of the neural model compared to existing connectionist architectures and they have been considered sufficiently satisfactory with regard to the evaluated parameters. This text also presents some theoretical aspects of the cognitive science area, the fundamentals of artificial neural networks, the details of a robotic simulation tool, the conclusions, limitations and possible future works.