[pt] Esta tese refere-se ao estudo, pesquisa e fundamentação teórica da linha de investigação Design em Situações de Ensino-aprendizagem, por meio de um diálogo interdisciplinar entre Design e Educação. Buscou-se através de métodos e técnicas de Design identificar de que maneira esta área de conhecimento pode participar dos processos de ensino-aprendizagem, na configuração de materiais pedagógicos, bem como potencializar o processo de aquisição de conhecimento. A pesquisa teve por fio condutor o Multi-Trilhas, objeto de estudo desta tese, que é um jogo para auxiliar a aquisição de segunda língua por crianças surdas. Este jogo foi desenvolvido à luz de métodos e técnicas de Design, no âmbito do Laboratório Interdisciplinar de Design/Educação, da Pontifícia Universidade Católica do Rio de Janeiro, em parceria com o Instituto Nacional de Educação de Surdos no Rio de Janeiro. Por meio da articulação de idéias de autores que fundamentam esta pesquisa, foram trabalhadas questões relacionadas a novas tecnologias, cultura visual, cultura em geral, imagem, linguagem e construção de significados, aspectos considerados relevantes para campo do Design de forma geral e para subsidiar a conceituação da linha de investigação Design em Situações de Ensino-aprendizagem, bem como foram realizados estudos sobre pesquisas de mestrado e de doutorado que tratam do Design na Educação, enfocando, entre outros aspectos, questões de ensino-aprendizagem; jogo, linguagem e práticas pedagógicas visuais. A presente investigação estabelece uma proposta de modelo conceitual de ação pedagógica e uma metodologia para a execução de projetos no âmbito da linha de pesquisa Design em Situações de Ensino-aprendizagem. A pesquisa visa, também, contribuir para o planejamento de materiais educacionais que considerem as especificidades educacionais, seu diálogo e trânsito com a realidade circundante, objetivando o desenvolvimento de processos de ensino-aprendizagem mais produtivos e interativos. / [en] This thesis refers to the study, research and theoretical line of research Design in Situations of Teaching and Learning through an interdisciplinary dialogue between Design and Education. Through methods and techniques of design it was sought to identify how this area of knowledge can participate in the processes of teaching and learning at the setting of learning materials and enhance the process of acquiring knowledge. The study was guided by the Multi-Tracks, subject of this thesis, which is a game to help the acquisition of a second language by deaf children. This game was developed in the light of methods and techniques of Design, under the Interdisciplinary Laboratory for Design / Education - LIDE, Catholic University of Rio de Janeiro - PUC-Rio, in partnership with the National Institute of Education for the Deaf in Rio de Janeiro - INES / RJ. Through the articulation of ideas of authors who support this research we worked issues related to new technologies, visual culture, culture in general, image, language and meaning making, relevant aspects for the design field in general and to subsidize conceptualization of the line of research Design in Situations of Teaching and Learning, and studies were performed on research at the level of Mastership and Doctorate dealing with Design in Education, focusing among other things, issues of teaching and learning, games, language and visual pedagogic techniques. This research provides a proposal for a conceptual model of pedagogical action and a methodology for the implementation of projects under the line of research Design in Situations of Teaching and Learning. The research also aims to contribute to the planning of educational materials that consider the specific educational traits and their dialogue with the surrounding reality, aiming at developing methods of teaching and learning that are more productive and interactive. / [es] Esta tesis se refere al estudio, investigación y construcción del marco teórico de la línea de investigación Diseño en Situaciones de Enseñanza y de Aprendizaje, por medio de un diálogo entre Diseño y Educación. Se buscó a través de los métodos y de las técnicas de Diseño identificar de qué forma esta área de conocimiento puede participar de los procesos de Enseñanza y de Aprendizaje en la configuración de materiales pedagógicos, bien como intensificar el proceso de adquisición de conocimiento. La investigación tuvo por hilo conductor el Multi-Trilhas, objeto de estudio de esta tesis, que es un juego hecho para ayudar la adquisición de la segunda lengua por niños sordos. Este juego fue desarrollado con base en métodos y técnicas de Diseño, en el ámbito del Laboratorio Interdisciplinar de Diseño/Educación de la Pontificia Universidad Católica de Río de Janeiro, Brasil, en sociedad con el Instituto Nacional de Educación de Sordos de Río de Janeiro. Por medio de la articulación de ideas de autores que fundamentan esta investigación, fueron trabajadas cuestiones relacionadas a nuevas tecnologías, cultura visual, cultura en general, imagen, lenguaje y construcción de significados, aspectos considerados relevantes para el campo del Diseño de forma general y para subsidiar la conceptuación de la línea de investigación Diseño en Situaciones de Enseñanza y de Aprendizaje, bien como fueron realizados estudios sobre investigaciones de maestro y de doctorado que tratan del Diseño en la educación, enfocando, entre otros aspectos, cuestiones de Enseñanza y de Aprendizaje; Juego, lenguaje y prácticas pedagógicas visuales. La presente investigación establece una propuesta de modelo conceptual de acción pedagógica e una metodología para la ejecución de proyectos en el ámbito de la línea de investigación Diseño en Situaciones de Enseñanza y de Aprendizaje. La investigación visa, también contribuir para la planificación de materiales educacionales que consideren las especificaciones educacionales, su dialogo y tránsito con la realidad del ambiente, objetivando el desarrollo de procesos de enseñanza y de aprendizaje más productivos e interactivos.

[pt] Diversos trabalhos apontam a relevância do futebol como objeto de estudo da geografia. Defendemos em nosso trabalho que o futebol, enquanto importante elemento da vida cotidiana dos alunos, oferece possibilidades de novas abordagens pela educação geográfica. Uma delas se refere às análises geopolíticas, presentes nos currículos da geografia escolar, com as quais se pode observar uma estreita relação com o esporte. Observamos que os materiais didáticos enfatizam uma abordagem clássica da geopolítica, apesar do desenvolvimento da mesma. No âmbito deste trabalho, analisamos a relação estabelecida entre o futebol e a geopolítica buscando identificar a existência ou as possibilidades para tal de outras correntes da geopolítica, como a antigeopolítica, e seus contributos para a construção de conhecimentos geográficos poderosos, tipo de conhecimento que busca tornar os alunos agentes transformadores de suas realidades sociais. Buscamos realizar o diálogo teórico entre as diversas temáticas aqui abordadas: futebol, antigeopolítica e conhecimento poderoso. Analisamos eventos do mundo do futebol a partir dos quais fosse possível apontar a relação entre futebol e antigeopolítica e analisamos o conteúdo de livros didáticos para discutirmos a importância da inserção de abordagens como a antigeopolítica. Tomamos estas discussões como base para o desenvolvimento de uma atividade pedagógica com o objetivo de avaliar a utilização do futebol como ferramenta para a compreensão da antigeopolítica e, a partir desta perspectiva, promover a construção de conhecimentos poderosos. A análise dos resultados da atividade apontam que a utilização do futebol pode favorecer o engajamento dos alunos, contribuir para a compreensão do conceito de antigeopolítica e para a construção de um conhecimento apoiado em leituras antigeopolíticas que os permitam vislumbrar outras possibilidades de interpretação e de intervenção no real. / [es] Varias obras senalan la relevancia del fútbol como objeto de estudio de la geografía. Defendemos en nuestro trabajo que el fútbol, mientras un elemento importante en la vida cotidiana de los alumnos, ofrece posibilidades de nuevos enfoques por la educación geográfica. Una de ellas se refiere al análisis geopolíticas, presentes en los currículums de la geografía escolar, con el que puedes observar una estrecha relación con el deporte. Observamos que los materiales didácticos enfatizan un enfoque clásico de la geopolítica, pese a su desarrollo. En el ámbito de este trabajo, analizamos la relación que se establece entre el fútbol y la geopolítica buscando identificar la existencia o posibilidades de otras vertientes, como la antigeopolítica, y sus aportes para la construcción de conocimientos geográficos poderosos, tipo de conocimiento que busca hacer los alumnos agentes transformadores de sus realidades sociales. Buscamos realizar el diálogo teórico entre los diferentes temas tratados aquí: fútbol, antigeopolítica y conocimiento poderoso. Analizamos acontecimientos en el mundo del fútbol en que fue posible senalar la relación entre el fútbol y la antigeopolítica y analizamos el contenido de libros didácticos para discutir la importancia de la inserción de enfoques como de la antigeopolítica. Tomamos estas discusiones como base para el desarrollo de una actividad pedagógica con el objetivo de evaluar el uso del fútbol como herramienta de comprensión de la antigeopolítica y, desde esta perspectiva, promover la construcción de conocimientos poderosos. El análisis de los resultados indica que el uso del fútbol puede favorecer la participación de los alumnos, contribuir a la comprensión del concepto de antigeopolítica y para la construcción de conocimientos apoyado por lecturas antigeopolíticas que les permitan imaginar otras posibilidades de interpretación e intervención en lo real.

[pt] Esta dissertação investiga a aplicação dos métodos de Reinforcement Learning na descoberta de rotas ótimas em uma rede de comunicação. Uma rede de comunicação real possui um comportamento dinâmico, mudando seu estado com o tempo. Os algoritmos de roteamento devem, portanto, oferecer rapidez na resposta às mudanças do estado da rede. O objetivo do trabalho é avaliar a aplicação de técnicas de Reinforcement Learning (RL) como base de algoritmos adaptativos de roteamento de pacotes. O problema de roteamento de pacotes sob a visão de RL consiste na definição de cada nó na rede como um agente RL, sendo que este agente deve definir ações de forma a minimizar uma função objetivo que pode ser o tempo de roteamento dos pacotes. Um dos objetivos do RL é precisamente aprender a tomar as ações que minimizem uma função. O trabalho consistiu de 4 etapas principais: um estudo sobre a área de Reinforcement Learning (RL); um estudo sobre a área de redes de comunicação e roteamento de pacotes; a modelagem do problema de roteamento como um sistema RL e implementação de diferentes métodos de RL para obter algoritmos de roteamento; e o estudo de casos. O estudo na área de Reinforcement Learning abrangeu desde as definições mais fundamentais: suas características, os elementos de um sistema RL e modelagem do ambiente como um Processo de Decisão de Markov, até os métodos básicos de solução: Programação Dinâmica, método de Monte Carlo, e o método de Diferenças Temporais. Neste último método, foram considerados dois algoritmos específicos: TD e Q-Learning. Em seguida, foi avaliado o parâmetro Eligibility Traces como uma alternativa para apressar o processo de aprendizado, obtendo o TD(lambda) e o Q(lambda) respectivamente. O estudo sobre Redes de Comunicação e Roteamento de pacotes envolveu os conceitos básicos de redes de comunicações, comutação por pacotes, a questão do roteamento de pacotes e os algoritmos existentes adaptativos e não adaptativos, que são utilizados na atualidade. Nas redes de comunicação, definidas como um conjunto de nós ligados através de enlaces de comunicação, para se enviar uma mensagem de um nó a outro, geralmente, a mensagem é quebrada em pedaços, chamados pacotes, e enviados através de outros nós, até chegar ao destino. Deste modo surge o problema de escolher os nós que levem o pacote o mais rápido possível até o nó destino. Os algoritmos analisados foram: Shortest Path Routing que procura os caminhos com menor número de nós intermediários, não sendo sensível às mudanças na carga nem na topologia da rede; Weighted Shortest Path Routing, que oferece um melhor desempenho a partir de uma visão global do estado da rede, que nem sempre é fácil de obter em redes reais e o algoritmo de Bellman-Ford, baseado em decisões de roteamento locais e atualizações periódicas, com algumas limitações para obter políticas em altas cargas. Este último é um dos algoritmos mais utilizados na atualidade, sendo base de muitos protocolos de roteamento existentes. A modelagem do problema de roteamento como um sistema RL foi inspirada por uma característica na definição de um sistema RL: um agente que interage com o ambiente e aprende a atingir um objetivo. Assim, a modelagem dos algoritmos tem como objetivo aprender a descobrir as rotas que minimizem o tempo de roteamento de pacotes desde uma origem até um dado destino. A avaliação de uma rota escolhida não pode ser obtida antes que o pacote alcance o seu destino final. Este fato faz com que os processos de aprendizado supervisionado tenham dificuldade de se aplicar a esse problema. Por outro lado, o Reinforcement Learning não necessita de um par entrada-resposta para fazer o aprendizado, permitindo-lhe abordar o problema com relativa facilidade. Na modelagem efetuada, cada nó na rede se comporta como um agente de RL que age na própria rede, a qual é o ambiente. A informação das rotas é armazenada nas funções de valor existentes em todos os nós da rede para / [en] This dissertation investigates the application of Reinforcement Learning methods to the discovery of optimal routes in communication networks. Any current communication network displays dynamic behavior, changing its states over time. Therefore, the routing algorithms must react swiftly to changes in the network status. The objective of this work is to evaluate the application of some Reinforcement Learning techniques to define adaptive packet routing algorithms. The packet routing problem under the RL vision consists in the definition of each node on network as an RL agent. Thus, each agent must take actions in order to minimize an objective function such as end to end packet routing delay. One main objective of the RL is precisely learning to take the actions that minimize a given function. This thesis is consists of 4 main parts: first, a study of Reinforcement Learning (RL); a study of the communication networks and packet routing; the routing problem model as a RL system and the implementation of several RL methods in order to obtain some routing algorithms; e finally, the case study. The study of Reinforcement Learning extends from the more basic definitions, Reinforcement Learning features, elements of a RL system and environment modeling as a Markovian Decision Process, to the basic methods of solution: Dynamic Programming, Monte Carlo methods and Temporal Differences methods. In this last case, two specific algorithms have been considered: TD and Q-Learning, and, finally, the Eligibility Traces are evaluated as a useful tool that permits us to accelerate the learning process leading to the TD(lambda) and the Q(lambda) routing algorithms. The study on communication networks and packet routing involves the foundations of communication networks, packet switching, the packet routing problem, and adaptive and non- adaptive routing algorithms used at the present time. Communication networks are defined as a set of nodes connected through communication links. In order to send a message from a source node to a destination node usually the message is broken into segments called packets, and these are sent through other nodes until arriving at the destination. In this way the problem appears to choose the path which takes the shortest possible time for the packet to reach the destination node. The following algorithms have been analyzed: Shortest Path Routing that looks for paths with minimal hop number, not being sensible to the changes of load level and network topology; Weighted Shortest Path Routing that offers better performance from a global vision of the state of the network, which is not always easy to get in real networks; on the other hand, the Bellman- Ford routing algorithm was studied, this is based on local routing decisions and periodic updates, with some limitations to obtain policies in high load conditions. Bellman-Ford is one of the algorithms most used at the present time, being the basis for many existing routing protocols. The modeling of the routing problem as a RL system was inspired by one of the main features of the definition of an RL system: an agent who interacts with the environment and learns to reach an objective; therefore, the modeling of the routing algorithms has as its objective to learn to discover the paths that minimize packet routing time from an origin to an destination. The evaluation of a chosen route cannot be completed before the package reaches its final destination. This fact implies that supervised learning cannot be applied to the routing problem. On the other hand, Reinforcement Learning does not need a input-output pair for the learning process, allowing it to approach the problem with relative ease. In the modeling, each network node is viewed as a RL agent that acts in the same network; the network is the environment. The routing information is stored in the existing value functions in all nodes in the network, for each node and all another destination node / [es] Esta disertación investiga la aplicación de los métodos de Reinforcement Learning en la determinación de rutas óptimas en una red de comunicación. Una red de comunicación real posee un comportamiento dinámico, donde su estado varia en el tiempo. Los algoritmos de ruta óptima deben, por lo tanto, ofrecer rapidez en la respuesta a las variaciones del estado de la red. El objetivo de este trabajo es evaluar la aplicación de técnicas de Reinforcement Learning (RL) como base de algoritmos adaptativos de problemas de ruteamiento en redes. Este problema consiste en la definición de cada nodo de la red como un agente RL. Este agente debe definir acciones de modo a minimizar una función objetivo que puede ser el tiempo de ruteamiento. El trabajo consta de 4 etapas principais: un estudio sobre el área de Reinforcement Learning (RL); un estudio sobre redes de comunicación y problema de ruteamiento; el modelo de ruta óptima como un sistema RL y la implementación de diferentes métodos de RL para obtener algoritmos de ruta óptima; y un estudio de casos. El estudio en el área de Reinforcement Learning va desde las definiciones fundamentales: características, elementos de un sistema RL y modelaje del ambiente como un Proceso de Decisión de Markov, hasta los métodos básicos de solución: Programación Dinámica, método de Monte Carlo, y método de Diferencias Temporales. En este último método, fueron considerados dos algoritmos específicos: TD e Q-Learning. A seguir, fue evaluado el parámetro Eligibility Traces como una alternativa para agilizar el proceso de aprendizaje, obteniendo el TD(lambda) y el Q(lambda) respectivamente. El estudio sobre Redes de Comunicación y Problema de Transporte incluye los conceptos básicos de redes de comunicaciones, la cuestión de la ruta óptima y los algoritmos adaptativos y no adaptativos existentes, que se utilizan actualmente. Los algoritmos analizados fueron: Shortest Path Routing, que busca los caminos con menor número de nodos intermedios, no siendo sensible a variaciones en la carga ni en la topología de la red; Weighted Shortest Path Routing, que ofrece un mejor desempeño a partir de una visión global del estado de la red, que no siempre es fácil de obtener en redes reales; y el algoritmo de Bellman-Ford, que tiene como base decisiones de rutas locales y actualizaciones periódicas, con algunas limitaciones para obtener políticas en altas cargas. Este último es uno de los algoritmos más utilizados en la actualidad, siendo base de muchos protocolos de trazado de ruta existentes. La solución para modelar el problema de ruteamiento como un sistema RL fue inspirada por una característica en la definición de un sistema RL: un agente que interactúa con el ambiente y aprende a alcanzar un objetivo. Así, el modelo tiene como objetivo aprender a determinar las rutas que minimizen el timpo desde el origen hasta un destino dado. La evaluación de uma ruta seleccionada no puede ser obtenida antes que el paquete alcance su destino final. Esto hace que los procesos de aprendizaje supervisionado tengan dificultades para ser aplicados a este problema. Por otro lado, Reinforcement Learning no necesita de un par entrada-salida para el aprendizaje, permitiendo así, abordar el problema con relativa facilidad. En el modelo establecido, cada nodo en la red se comporta como un agente de RL que actúa en la propria red. La información de las rutas se almacena en las funciones de valor existentes en todos los nodos de la red para cada nodo destino diferente. Esta información contiene un valor estimado del tiempo requerido para un paquete para llegar hasta el nodo destino. La actualización de esos valores se realiza durante la transición del paquete hasta el vecino seleccionado. En este trabajo se implementaron varios algoritmos de ruta óptima. Cada uno de los algoritmos aplica características de las técnicas en Reinforcement Learning: o Q(lambda)-Routing, y el TD-Routing. En el estudio d

[pt] Esta dissertação investiga a utilização de sistemas Neuro- Fuzzy Hierárquicos BSP (Binary Space Partitioning) para classificação de padrões e para extração de regras fuzzy em bases de dados. O objetivo do trabalho foi criar modelos específicos para classificação de registros a partir do modelo Neuro-Fuzzy Hierárquico BSP que é capaz de gerar sua própria estrutura automaticamente e extrair regras fuzzy, lingüisticamente interpretáveis, que explicam a estrutura dos dados. O princípio da tarefa de classificação de padrões é descobrir relacionamentos entre os dados com a intenção de prever a classe de um padrão desconhecido. O trabalho consistiu fundamentalmente de quatro partes: um estudo sobre os principais métodos de classificação de padrões; análise do sistema Neuro-Fuzzy Hierárquico BSP (NFHB) original na tarefa de classificação; definição e implementação de dois sistemas NFHB específicos para classificação de padrões; e o estudo de casos. No estudo sobre os métodos de classificação foi feito um levantamento bibliográfico da área, resultando em um "survey" onde foram apresentadas as principais técnicas utilizadas para esta tarefa. Entre as principais técnicas destacaram-se: os métodos estatísticos, algoritmos genéticos, árvores de decisão fuzzy, redes neurais, e os sistemas neuro-fuzzy. Na análise do sistema NFHB na classificação de dados levou- se em consideração as peculiaridades do modelo, que possui: aprendizado da estrutura, particionamento recursivo do espaço de entrada, aceita maior número de entradas que os outros sistemas neuro-fuzzy, além de regras fuzzy recursivas. O sistema NFHB, entretanto, não é um modelo exatamente desenvolvido para classificação de padrões. O modelo NFHB original possui apenas uma saída e para utilizá- lo como um classificador é necessário criar um critério de faixa de valores (janelas) para representar as classes. Assim sendo, decidiu-se criar novos modelos que suprissem essa deficiência. Foram definidos dois novos sistemas NFHB para classificação de padrões: NFHB-Invertido e NFHB-Class. O primeiro utiliza a arquitetura do modelo NFHB original no aprendizado e em seguida a inversão da mesma para a validação dos resultados. A inversão do sistema consistiu de um meio de adaptar o novo sistema à tarefa específica de classificação, pois passou-se a ter o número de saídas do sistema igual ao número de classes ao invés do critério de faixa de valores utilizado no modelo NFHB original. Já o sistema NFHB-Class utilizou, tanto para a fase de aprendizado, quanto para a fase de validação, o modelo NFHB original invertido. Ambos os sistemas criados possuem o número de saídas igual ao número de classes dos padrões, o que representou um grande diferencial em relação ao modelo NFHB original. Além do objetivo de classificação de padrões, o sistema NFHB-Class foi capaz de extrair conhecimento em forma de regras fuzzy interpretáveis. Essas regras são expressas da seguinte maneira: SE x é A e y é B então padrão pertence à classe Z. Realizou-se um amplo estudo de casos, abrangendo diversas bases de dados Benchmark para a tarefa de classificação, tais como: Iris Dataset, Wine Data, Pima Indians Diabetes Database, Bupa Liver Disorders e Heart Disease, e foram feitas comparações com diversos modelos e algoritmos de classificação de padrões. Os resultados encontrados com os modelos NFHB-Invertido e NFHB-Class mostraram-se, na maioria dos casos, superiores ou iguais aos melhores resultados encontrados pelos outros modelos e algoritmos aos quais foram comparados.O desempenho dos modelos NFHB-Invertido e NFHB-Class em relação ao tempo de processamento também se mostrou muito bom. Para todas as bases de dados descritas no estudo de casos (capítulo 8), os modelos convergiram para uma ótima solução de classificação, além da extração das regras fuzzy, em / [en] This dissertation investigates the use of Neuro-Fuzzy Hierarchical BSP (Binary Space Partitioning) systems for pattern classification and extraction of fuzzy rules in databases. The objective of this work was to create specific models for the classification of registers based on the Neuro-Fuzzy BSP model that is able to create its structure automatically and to extract linguistic rules that explain the data structure. The task of pattern classification is to find relationships between data with the intention of forecasting the class of an unknown pattern. The work consisted of four parts: study about the main methods of the pattern classification; evaluation of the original Neuro-Fuzzy Hierarchical BSP system (NFHB) in pattern classification; definition and implementation of two NFHB systems dedicated to pattern classification; and case studies. The study about classification methods resulted in a survey on the area, where the main techniques used for pattern classification are described. The main techniques are: statistic methods, genetic algorithms, decision trees, neural networks, and neuro-fuzzy systems. The evaluation of the NFHB system in pattern classification took in to consideration the particularities of the model which has: ability to create its own structure; recursive space partitioning; ability to deal with more inputs than other neuro-fuzzy system; and recursive fuzzy rules. The original NFHB system, however, is unsuited for pattern classification. The original NFHB model has only one output and its use in classification problems makes it necessary to create a criterion of band value (windows) in order to represent the classes. Therefore, it was decided to create new models that could overcome this deficiency. Two new NFHB systems were developed for pattern classification: NFHB-Invertido and NFHB-Class. The first one creates its structure using the same learning algorithm of the original NFHB system. After the structure has been created, it is inverted (see chapter 5) for the generalization process. The inversion of the structure provides the system with the number of outputs equal to the number of classes in the database. The second system, the NFHB-Class uses an inverted version of the original basic NFHB cell in both phases, learning and validation. Both systems proposed have the number of outputs equal to the number of the pattern classes, what means a great differential in relation to the original NFHB model. Besides the pattern classification objective, the NFHB- Class system was able to extract knowledge in form of interpretable fuzzy rules. These rules are expressed by this way: If x is A and y is B then the pattern belongs to Z class. The two models developed have been tested in many case studies, including Benchmark databases for classification task, such as: Iris Dataset, Wine Data, Pima Indians Diabetes Database, Bupa Liver Disorders and Heart Disease, where comparison has been made with several traditional models and algorithms of pattern classification. The results found with NFHB-Invertido and NFHB-Class models, in all cases, showed to be superior or equal to the best results found by the others models and algorithms for pattern classification. The performance of the NFHB- Invertido and NFHB-Class models in terms of time-processing were also very good. For all databases described in the case studies (chapter 8), the models converged to an optimal classification solution, besides the fuzzy rules extraction, in a time-processing inferior to a minute. / [es] Esta disertación investiga el uso de sistemas Neuro- Fuzzy Herárquicos BSP (Binary Space Partitioning) en problemas de clasificación de padrones y de extracción de reglas fuzzy en bases de datos. El objetivo de este trabajo fue crear modelos específicos para clasificación de registros a partir del modelo Neuro-Fuzzy Jerárquico BSP que es capaz de generar automáticamente su propia extructura y extraer reglas fuzzy, lingüisticamente interpretables, que explican la extructura de los datos. El principio de la clasificación de padrones es descubrir relaciones entre los datos con la intención de prever la clase de un padrón desconocido. El trabajo está constituido por cuatro partes: un estudio sobre los principales métodos de clasificación de padrones; análisis del sistema Neuro-Fuzzy Jerárquico BSP (NFHB) original en la clasificación; definición e implementación de dos sistemas NFHB específicos para clasificación de padrones; y el estudio de casos. En el estudio de los métodos de clasificación se realizó un levatamiento bibliográfico, creando un "survey" donde se presentan las principales técnicas utilizadas. Entre las principales técnicas se destacan: los métodos estadísticos, algoritmos genéticos, árboles de decisión fuzzy, redes neurales, y los sistemas neuro-fuzzy. En el análisis del sistema NFHB para clasificación de datos se tuvieron en cuenta las peculiaridades del modelo, que posee : aprendizaje de la extructura, particionamiento recursivo del espacio de entrada, acepta mayor número de entradas que los otros sistemas neuro-fuzzy, además de reglas fuzzy recursivas. El sistema NFHB, sin embargo, no es un modelo exactamente desarrollado para clasificación de padrones. El modelo NFHB original posee apenas una salida y para utilizarlo conmo un clasificador fue necesario crear un criterio de intervalos de valores (ventanas) para representar las clases. Así, se decidió crear nuevos modelos que supriman esta deficiencia. Se definieron dos nuevos sistemas NFHB para clasificación de padrones: NFHB- Invertido y NFHB-Clas. El primero utiliza la arquitectura del modelo NFHB original en el aprendizaje y en seguida la inversión de la arquitectura para la validación de los resultados. La inversión del sistema es un medio para adaptar el nuevo sistema, específicamente a la clasificación, ya que el sistema pasó a tener número de salidas igual al número de clases, al contrario del criterio de intervalo de valores utilizado en el modelo NFHB original. En el sistema NFHB-Clas se utilizó, tanto para la fase de aprendizajeo, cuanto para la fase de validación, el modelo NFHB original invertido. Ambos sistemas poseen el número de salidas igual al número de clases de los padrones, lo que representa una gran diferencia en relación al modelo NFHB original. Además del objetivo de clasificación de padrones, el sistema NFHB-Clas fue capaz de extraer conocimento en forma de reglas fuzzy interpretables. Esas reglas se expresan de la siguiente manera: Si x es A e y es B entonces el padrón pertenece a la clase Z. Se realizó un amplio estudio de casos, utilizando diversas bases de datos Benchmark para la clasificación, tales como: Iris Dataset, Wine Data, Pima Indians Diabetes Database, Bupa Liver Disorders y Heart Disease. Los resultados se compararon con diversos modelos y algoritmos de clasificación de padrones. Los resultados encontrados con los modelos NFHB-Invertido y NFHB-Clas se mostraron, en la mayoría de los casos, superiores o iguales a los mejores resultados encontrados por los otros modelos y algoritmos con los cuales fueron comparados. El desempeño de los modelos NFHB-Invertido y NFHB-Clas en relación al tiempo de procesamiento tambiém se mostró muy bien. Para todas las bases de datos descritas en el estudio de casos (capítulo 8), los modelos convergieron para una solución óptima, además de la extracción de las reglas fuzzy, con tiemp