Com o avanço da tecnologia, grandes volumes de dados estão sendo coletados e acumulados numa velocidade espantosa. Data Mining constitui um campo de pesquisa recente em Inteligência Artificial, cujo objetivo é extrair conhecimento de grandes bases de dados. Um dos tópicos tratados em Data Mining para extrair conhecimento é o uso de algoritmos de Aprendizado de Máquina em grandes volumes de dados. Alguns algoritmos de Aprendizado de Máquina são capazes de criar generalizações, ou descrever conceitos, a partir de um conjunto de dados previamente rotulados. Esses algoritmos são conhecidos como indutores e são capazes de induzir uma hipótese (ou classificador). Um classificador pode estar descrito sob uma forma simbólica explícita, e assim, apresentar uma explicação do conceito aprendido de forma inteligível ao ser humano. Uma dessas formas de representação simbólica explícita são as regras de conhecimento. Especialmente em Data Mining, o volume de regras de conhecimento que descrevem um classificador simbólico pode ser muito grande. Isso dificulta muito a análise de regras individuais ou de um grupo de regras por parte do usuário desse conhecimento. No intuito de propor uma solução para essa dificuldade, a análise automática de regras, utilizando medidas de avaliação e de interessabilidade, destaca-se como uma das fontes de resultados positivos da aplicação do Aprendizado de Máquina na área de Data Mining. Neste trabalho é apresentado o RuleSystem, um sistema computacional protótipo que implementa funcionalidades voltadas para Aprendizado de Máquina e Data Mining. Uma dessas funcionalidades, implementadas no RuleSystem, refere-se à análise automática de regras. O Módulo de Análise de regras, proposto neste trabalho, implementa diversas medidas de avaliação e de interessabilidade de regras, permitindo assim realizar uma análise tanto quantitativa quanto qualitativa das regras que constituem a(s) hipótese(s) induzida(s) por algoritmos de Aprendizado de Maquina simbólico.

Orientador: Áurea Maria de Oliveira / Banca: Orly Zucatto Mantovani de Assis / Banca: Telma Pileggi Vinha / Resumo: A legislação, nacional, foi palco da normatização da punição durante séculos e, as pesquisas demonstraram que a ausência de subsídios teóricos sobre a temática faz com que o docente, na atualidade, paute-se no senso comum e transfiram para a família e à legislação, a culpa pela lacuna em sua formação de base. Inúmeros casos de agressão dentro do ambiente escolar, publicados na mídia mostram que estamos vivendo um momento delicado o qual demanda mudanças radicais na concepção de educação e mesmo na organização da ação pedagógica. Nesse sentido, os cursos de formação continuada constituem-se enquanto um dos recursos para a melhoria da ação pedagógica trabalhando com os subsídios teóricos necessários à essa transformação. Iniciamos nossa pesquisa a partir da hipótese de que o docente, egresso de cursos de formação continuada sobre a temática da moralidade, no momento em que fosse necessário aplicar uma sanção esta seria por reciprocidade e não expiatória. Selecionamos três municípios, seis escolas e dez salas de aula, nas quais realizamos 200 horas de observação. Os dados demonstraram diferenças qualitativas nos ambientes estudados no que se refere a organização do espaço visando a operacionalização de uma ação pedagógica nos princípios da democracia, todavia, nos quesitos regras, cobrança das regras e sanção, os sujeitos dessa pesquisa recorreram ao uso da sanção expiatória em detrimento da sanção por reciprocidade. Esse estudo apontou para a necessidade de modificar dinâmica da formação continuada, que deve ser de alto nível, integrando teoria-prática no processo de ação, reflexão, inclusão de novos desafios, reflexão, ação. Com formações pontuais, locais, dentro do contexto das unidades... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: The legislation, national stage was the normalization of punishment for centuries, and research has shown that the absence of theoretical support on the issue makes the teacher, in actuality, is guided by common sense and transfer to the family and the law the blame for the gap in their basic training. Many cases of aggression within the school environment, published in the media show that we are living a delicate moment which demand radical changes in the conception of education and even the organization of pedagogical action. In this sense, continuing education courses constitute themselves as a resource for improving the pedagogical action working with the theoretical support needed for this transformation. We began our search from the assumption that the teacher and egress of continuing education courses on the topic of morality, when it was necessary to impose a penalty for this would be reciprocal and not scapegoated. Selected three districts, six schools and ten classrooms, in which we conducted 200 hours of observation. The data showed qualitative differences in the study regarding the organization of space aimed at the operationalization of a pedagogical action the principles of democracy, however, questions the rules, billing rules and penalties, the subjects of this study resorted to the use of expiatory instead of punishment by reciprocity. This study pointed to the need to change the dynamics of continuing education, which should be high level, integrating theory and practice in the process of action, reflection, adding new challenges, reflection, action. With ad hoc formations, locations, within the context of school units, involving all professionals / Mestre

Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2017-03-06T14:20:31Z No. of bitstreams: 2 Dissertação - Mariana Pirkel Tsukahara - 2016.pdf: 3541752 bytes, checksum: a2f2b1c4749568b72697ab671265221f (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2017-03-06T14:20:51Z (GMT) No. of bitstreams: 2 Dissertação - Mariana Pirkel Tsukahara - 2016.pdf: 3541752 bytes, checksum: a2f2b1c4749568b72697ab671265221f (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2017-03-06T14:20:51Z (GMT). No. of bitstreams: 2 Dissertação - Mariana Pirkel Tsukahara - 2016.pdf: 3541752 bytes, checksum: a2f2b1c4749568b72697ab671265221f (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-11-16 / The rules have an important role in functional analysis of organizations and are essential elements in maintaining desirable management practices and necessary for the survival and maintenance of the group as a whole. This study specifically aims to understand how external rules (external environmental stimuli) will influence the development of key internal rules for the operation of a federal organization of public education regarding the management practices of human resources. Aiming that , the usual routine documents were identified and categorized, concerning management practices in the human resources sector: a) External documents: Laws, Rules, Resolutions, Decrees issued by the government; b) Internal documents: documents produced by the body itself, such as statute, regulation, resolution Ordinance, Normative Instructions, Minutes of Supreme Councils. internal documents were obtained in a range of approximately 15 years, involving 5 organizational units. After categorization and analysis of contingencies extracted from the documents, it was found in the study that , there was an evolution of the rule of categories over time, especially in the extracted internal documents and that there is an association between the acts and internal documents before and after 2008, indicating that a substantial part of the internal rules are precurrents behavior of the Minutes. It was obtained, even a medium to high association, indicating that external rules explain much of the rise of internal rules. It is inferred, therefore, that the organizational phenomena, despite, management practices, absorb a conceptual analysis involving rule-governed behavior, being able to deduce that the rules develop an essential role in organizations, having the ability to influence behavior . / As regras têm um papel preponderante na análise funcional das organizaçãoes e são elementos essenciais na manutenção de práticas gestoras desejáveis e necessárias para a sobrevivência e manutenção do grupo como um todo. Esse estudo, especificamente, propõe-se a entender como regras externas (estímulos ambientais externos) irão influenciar o desenvolvimento de regras internas essenciais para o funcionamento de uma organização federal de ensino público, no que tange as práticas gestoras de recursos humanos.Para isso, foram identificados e categorizados os documentos da rotina usual relativo às práticas gestoras no setor de recursos humanos em: a) Documentos externos: Leis, Normas, Resoluções, Decretos, emitida pelo governo; b) Documentos internos: documentos elaborados pelo próprio órgão, tais como Estatuto, Regulamento, Resolução, Portaria, Instruções Normativas, Ata dos Conselhos Superiores. Foram obtidos documentos internos num intervalo de aproximadamente 15 anos, envolvendo 5 unidades organizacionais. Após categorização e análise das contingências extraídas dos documentos, verificou-se, no estudo, que houve uma evolução das categorias de regra ao longo do tempo, sobretudo nas extraídas de documentos internos e que há uma associação entre as atas e os documentos internos, antes e após o ano de 2008, indicando que parte considerável das regras internas são comportamentos precorrentes das atas. Obteve-se, ainda, uma associação média a alta, indicando que as regras externas explicam boa parte do surgimento das regras internas. Infere-se, assim, que os fenômenos organizacionais, em que pese, as práticas gestoras, absorvem uma análise conceitual envolvendo o comportamento governado por regras, podendo-se deduzir que as regras desenvolvem um papel essencial nas organizações, tendo a capacidade de influenciar comportamentos.

[pt] O tema da normatividade desde sempre foi tido como misterioso. Muitas explicações foram dadas sobre o fenômeno em diversos âmbitos do saber, embora nenhuma em definitivo. Quando se trata da normatividade jurídica não é diferente. Com o objetivo de trazer novas luzes sobre o nebuloso assunto, o ponto de partida da presente investigação é o conceito de afirmações internas do direito, tal como formulado por Herbert L. A. Hart. Por meio de uma análise sociolinguística, o autor propõe que tais enunciados comprometidos com o direito sejam vistos como expressões da aceitação de certas regras. No entanto, o autor não vai muito além em pontos importantes e alguns questionamentos surgem tanto sobre a melhor leitura de certos conceitos na obra de Hart, quanto em relação a real capacidade de sua teoria dar conta do tema. Há evidências nos escritos do autor que permitem dizer que a sua proposta é bastante semelhante à ideia de expressivismo de normas, tal como formulado por Allan Gibbard no campo da metaética. Essa linha teórica aparece como uma versão sofisticada de não-cognitivismo e, portanto, entende que os termos normativos são geralmente utilizados na linguagem ordinária para expressar um estado conativo, um estado mental diferente de uma crença, e que, portanto, não possui aptidão de verdade. Pretende-se demonstrar que tal postura, expressivista, é bastante atraente para o filósofo do direito, pois consegue explicar tanto as afirmações internas do direito como o elo implícito com a ideia de normatividade. Além disso, essa perspectiva é capaz de responder às críticas que teóricos rivais (cognitivistas) formularam sobre a construção conceitual hartiana. Por meio da análise da superação por parte dos autores expressivistas de argumentos tradicionais do campo da metaética é possível deixar mais sólida a posição dentro da teoria do direito, bem como transferir o ônus argumentativo para os oponentes da posição. Por fim, será sugerida interpretação sobre o mecanismo psicológico e social por detrás do expressivismo de normas. O recente corpo de evidência científica parece fornecer uma licença para o otimismo em favor do expressivismo em relação à capacidade de se desvendar o mistério da normatividade. / [en] Normativity has Always been taken as something mysterious. Many explanations from a range of different areas were given about this phenomenon, though, no definitive one. Legal normativity is no different. Aiming to bring new lights to this cloudy subject, the starting point of the present investigation is Hebert L. A. Hart s concept of internal legal statements. Through a sociolinguistic analysis, the author claims that such statements committed with the law are to be seen as expressions of rule s acceptance. Nevertheless, Hart does not go further and a lot of relevant points and questions arise both about the best way to read his work and on the real explanatory power of his theory. There are evidences in his writings that allow us to read his theory in a very similar way to Allan Gibbard s metaethics one. This line of though seems to be a sophisticated version of a non-cognitivism and, therefore, sees normative terms as used to express conative states of mind. These mental states are different from a belief and hence cannot have truth aptness. We intend to show that such theoretical posture, expressivist, is very alluring for the legal philosopher, since it can explain the internal legal claims and its implicit relationship with normativity. Further, this perspective is capable of answering critics posed by cognitivists about Hart s conceptual work. By means of an analysis of how expressivism can answer traditional metaethical questions, it is possible to make the legal expressivist position even more solid, and to switch the argumentative burden to opponent side of the dispute. Lastly, we will indicate an interpretation of a social and psychological background mechanism to norm expressivism. The recent body of scientific evidence provides a license for optimism in favor of expressism s ability to unveil the mystery of normativity.

[pt] Este trabalho apresenta a proposta de um novo método para a extração de regras fuzzy de máquinas de vetor suporte (SVMs) treinadas para problemas de classificação. SVMs são sistemas de aprendizado baseados na teoria estatística do aprendizado e apresentam boa habilidade de generalização em conjuntos de dados reais. Estes sistemas obtiveram sucesso em vários tipos de problemas. Entretanto, as SVMs, da mesma forma que redes neurais (RN), geram um modelo caixa preta, isto é, um modelo que não explica o processo pelo qual sua saída é obtida. Alguns métodos propostos para reduzir ou eliminar essa limitação já foram desenvolvidos para o caso de classificação binária, embora sejam restritos à extração de regras simbólicas, isto é, contêm funções ou intervalos nos antecedentes das regras. No entanto, a interpretabilidade de regras simbólicas ainda é reduzida. Deste modo, propõe-se, neste trabalho, uma técnica para a extração de regras fuzzy de SVMs treinadas, com o objetivo de aumentar a interpretabilidade do conhecimento gerado. Além disso, o modelo proposto foi desenvolvido para classificação em múltiplas classes, o que ainda não havia sido abordado até agora. As regras fuzzy obtidas são do tipo se x1 pertence ao conjunto fuzzy C1, x2 pertence ao conjunto fuzzy C2,..., xn pertence ao conjunto fuzzy Cn, então o ponto x = (x1,...,xn) é da classe A. Para testar o modelo foram realizados estudos de caso detalhados com quatro bancos de dados: Íris, Wine, Bupa Liver Disorders e Winconsin Breast Cancer. A cobertura das regras resultantes da aplicação desse modelo nos testes realizados mostrou-se muito boa, atingindo 100% no caso da Íris. Após a geração das regras, foi feita uma avaliação das mesmas, usando dois critérios, a abrangência e a acurácia fuzzy. Além dos testes acima mencionados foi comparado o desempenho dos métodos de classificação em múltiplas classes usados no trabalho. / [en] This text proposes a new method for fuzzy rule extraction from support vector machines (SVMs) trained to solve classification problems. SVMs are learning systems based on statistical learning theory and present good ability of generalization in real data base sets. These systems have been successfully applied to a wide variety of application. However SVMs, as well as neural networks, generates a black box model, i.e., a model which does not explain the process used in order to obtain its result. Some considered methods to reduce this limitation already has been proposed for the binary classification case, although they are restricted to symbolic rules extraction, and they have, in their antecedents, functions or intervals. However, the interpretability of the symbolic generated rules is small. Hence, to increase the linguistic interpretability of the generating rules, we propose a new technique for extracting fuzzy rules of a trained SVM. Moreover, the proposed model was developed for classification in multiple classes, which was not introduced till now. Fuzzy rules obtained are presented in the format if x1 belongs to the fuzzy set C1, x2 belongs to the fuzzy set C2 , … , xn belongs to the fuzzy set Cn , then the point x=(x1, x2, …xn) belongs to class A. For testing this new model, we performed detailed researches on four data bases: Iris, Wine, Bupa Liver Disorders and Wisconsin Breast Cancer. The rules´ coverage resultant of the application of this method was quite good, reaching 100% in Iris case. After the rules generation, its evaluation was performed using two criteria: coverage and accuracy. Besides the testing above, the performance of the methods for multi-class SVM described in this work was evaluated.

Made available in DSpace on 2015-03-05T13:53:43Z (GMT). No. of bitstreams: 0 Previous issue date: 9 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Extração de Regras de Redes Neurais Artificiais Aplicadas ao Problema da Previsão da Estrutura Secundária de Proteínas apresenta o estudo feito sobre a extração de conhecimento de Redes Neurais na forma de regras difusas. Na aplicação desta técnica, foi utilizado o problema da classificação da estrutura secundária de proteínas, em alfa, beta e coil, a partir da estrutura primária. Serão apresentadas as implementações feitas para viabilizar esta tarefa. Dentre elas: a implementação de recursos adicionais ao software de extração de regras; a definição de uma metodologia de extração de regras; a implementação desta metodologia; e a análise das regras extraídas. Dentre os recursos implementados no processo de extração, sra visto que o foco principal foi o de embasar o conhecimento extraído sobre um suporte estático e disponibilizar medidas complementares para sua avaliação. Na definição da metodologia, será visto que cuidados devem ser tomados na preparação da base de dados e na definição da estrutura da rede / This work presents a study about knowledge extraction from Neural Networks in the form of fuzzy rules. In the application of this technique, it was investigated the problem of classification of the protein secondary structure (alpha, beta and coil) from its primary structure. The implementations that make possible this task will be presented. Amongst them: the implementation of new features in the rule extraction software; the definition of a methodology for the rule extraction process; the implementation of this methodology; and the analysis of the rules. Amongst the implemented features in the rules extraction process, it will be noticed that the main point was to provide a statistical support for the knowledge extracted and to make available additional resources to measure this information. In the definition of this methodology, it will be seen that some considerations must be observed in the database preparation and in definition of the network structure. Observations that had been followed and pr

A descoberta de Regras de Associação é uma tarefa de mineração de dados que procura identificar padrões em datasets, permitindo, após a sua interpretação, identificar conhecimento específico acerca do problema em análise. A Mineração de Regras de Associação pode ser usada como uma metodologia para descobrir hipóteses ou teorias candidatas em um domínio do conhecimento. No entanto, o processo de Mineração de Regras de Associação gera um grande número de regras superando a capacidade de exploração do usuário. Esse fato pode tornar o processo de análise inviável, além de afetar negativamente o resultado de alguns algoritmos de extração de conhecimento. Diante disso, várias abordagens foram propostas para guiar o usuário na exploração das Regras de Associação descobertas, em especial com a utilização de estruturas de Rede, que permitem analisar as relações existentes entre as regras. Neste contexto, esse trabalho foi motivado pelo potencial uso de Redes na otimização da identificação do conhecimento, em processos de Mineração de Regras de Associação, formulando abordagens explicáveis. Outra motivação surge da lacuna referente ao uso de Redes em tarefas multialvo inerente de várias aplicações do mundo real. O desenvolvimento deste trabalho teve o intento de avançar as pesquisas da área de Mineração de Regras de Associação com o uso de Redes em relação a métodos de geração de hipóteses validáveis com um ou dois itens objetivo, tanto em relação à interpretabilidade como na expressividade das representações construídas. Um Mapeamento Sistemático da literatura da área foi realizado com a finalidade de conhecer o estado da arte sobre como o uso das Redes pode auxiliar nos processos de Mineração de Regras de Associação. Neste trabalho é proposto e desenvolvido um método de seleção e avaliação das medidas de suporte e confiança mínimos referentes a extração de Regras de Associação com o uso de Medidas de Centralidade de Redes, cuja contribuição principal foi a elaboração de um critério objetivo para extração de Regras de Associação. Foram também propostas, desenvolvidas e validadas duas novas Redes, as Redes de Regras de Associação Filtradas (Filtered-ARNs) e as Redes de Regras de Associação Multialvo (MTARNs) que promoveram um impacto positivo na identificação do conhecimento por meio da comprovação matemática da influência entre os elementos de uma Regra de Associação e ampliaram a capacidade de extração do conhecimento em estudos de aplicações multialvo. / The discovery of Association Rules is a data mining task that seeks to identify patterns in datasets, allowing, after its interpretation, to determine specific knowledge about the problem under analysis. Association Rules Mining can be used as a methodology for discovering hypotheses or candidate theories in a knowledge domain. However, the Association Rules Mining process generates a large number of rules that exceed the users ability to exploit. This fact may make the analysis process impracticable, as well as negatively affect the outcome of some knowledge extraction algorithms. Therefore, several approaches were proposed to guide the user in the exploration of the discovered Association Rules, especially with the use of Network structures, which allow to analyze the relations between the rules. In this context, this work was motivated by the potential use of Networks in the optimization of knowledge identification, in Association Rules Mining processes, formulating explanable approaches. Another motivation arises from the gap regarding the use of Networks in multi-target tasks inherent to several real-world applications. The development of this work was intended to advance the research of the Association Rules Mining with the use of Networks with methods of generating validate hypotheses with one or two target items, both about the interpretability and in the expressiveness of representations built. A Systematic Mapping of the literature of the area was carried out with the purpose of knowing the state of the art on how the use of the Networks can help in the Mining processes of Association Rules. In this work, a method of selection and evaluation of the minimum support and trust measures regarding the extraction of Association Rules with the use of Network Centralization Measures was proposed and developed, whose main contribution was the elaboration of an objective criterion for extraction of Association Rules. Two new networks were also introduced, developed and validated, the Filtered Association Rules Networks (Filtered-ARNs) and the Multi-Target Association Rules Networks (MTARNs) that promoted a positive impact on the identification of knowledge through mathematical proof of the influence between the elements of an Association Rule and extended the capacity of knowledge extraction in studies of multi-target applications.

A extração de regras de associação (ARM - Association Rule Mining) de dados quantitativos tem sido pesquisa de grande interesse na área de mineração de dados. Com o crescente aumento das bases de dados, há um grande investimento na área de pesquisa na criação de algoritmos para melhorar o desempenho relacionado a quantidade de regras, sua relevância e a performance computacional. O algoritmo APRIORI, tradicionalmente usado na extração de regras de associação, foi criado originalmente para trabalhar com atributos categóricos. Geralmente, para usá-lo com atributos contínuos, ou quantitativos, é necessário transformar os atributos contínuos, discretizando-os e, portanto, criando categorias a partir dos intervalos discretos. Os métodos mais tradicionais de discretização produzem intervalos com fronteiras sharp, que podem subestimar ou superestimar elementos próximos dos limites das partições, e portanto levar a uma representação imprecisa de semântica. Uma maneira de tratar este problema é criar partições soft, com limites suavizados. Neste trabalho é utilizada uma partição fuzzy das variáveis contínuas, que baseia-se na teoria dos conjuntos fuzzy e transforma os atributos quantitativos em partições de termos linguísticos. Os algoritmos de mineração de regras de associação fuzzy (FARM - Fuzzy Association Rule Mining) trabalham com este princípio e, neste trabalho, o algoritmo FUZZYAPRIORI, que pertence a esta categoria, é utilizado. As regras extraídas são expressas em termos linguísticos, o que é mais natural e interpretável pelo raciocício humano. Os algoritmos APRIORI tradicional e FUZZYAPRIORI são comparado, através de classificadores associativos, baseados em regras extraídas por estes algoritmos. Estes classificadores foram aplicados em uma base de dados relativa a registros de conexões TCP/IP que destina-se à criação de um Sistema de Detecção de Intrusos. / The mining of association rules of quantitative data has been of great research interest in the area of data mining. With the increasing size of databases, there is a large investment in research in creating algorithms to improve performance related to the amount of rules, its relevance and computational performance. The APRIORI algorithm, traditionally used in the extraction of association rules, was originally created to work with categorical attributes. In order to use continuous attributes, it is necessary to transform the continuous attributes, through discretization, into categorical attributes, where each categorie corresponds to a discrete interval. The more traditional discretization methods produce intervals with sharp boundaries, which may underestimate or overestimate elements near the boundaries of the partitions, therefore inducing an inaccurate semantical representation. One way to address this problem is to create soft partitions with smoothed boundaries. In this work, a fuzzy partition of continuous variables, which is based on fuzzy set theory is used. The algorithms for mining fuzzy association rules (FARM - Fuzzy Association Rule Mining) work with this principle, and, in this work, the FUZZYAPRIORI algorithm is used. In this dissertation, we compare the traditional APRIORI and the FUZZYAPRIORI, through classification results of associative classifiers based on rules extracted by these algorithms. These classifiers were applied to a database of records relating to TCP / IP connections that aims to create an Intrusion Detection System.

Made available in DSpace on 2016-06-02T19:44:11Z (GMT). No. of bitstreams: 1 4617.pdf: 1196963 bytes, checksum: bbf780fad1ca66053abd48c14fd1faf4 (MD5) Previous issue date: 2012-06-28 / Financiadora de Estudos e Projetos / The analysis of the relation between listener and speaker repertoires has contributed to the comprehension about the processes involved in the acquisition of complex verbal skills. The study of rule-governed behavior is part of these efforts. Further, it has been hypothesized that the transformation effect of verbal rules is dependent on the existing bidirectional relations between words and objects specified in the rule. The present study aimed to analyze how the relation between listener training and the emergence of tacts and mands may be understood as a basis to interpret simple occurrences of rule-construction and rule-following repertoires during acquisition. The basic procedure involved teaching motor signs for known and unknown items through MTS tasks in a specific context (listener training), and testing for the emergence of mands and tacts and the rule-following and rule-construction behavior that required the use of this information in a different context. Participants learned to respond to new signs by selecting the appropriate visual stimuli (pictures of containers, tools, and unfamiliar stimuli). Tacts were tested asking the participant to signalize in the presence of the pictures. On the other hand, mands were tested in a context where the participants were required to signalize the missed tools necessary to use specific containers. Then, 3 unfamiliar stimuli were used to substitute 3 of the stimuli used in the original training. The final tests consisted of to assess if the information learned during the original training could be transfer to the unfamiliar stimuli. Results pointed out to the emergence of tacsts and mands after listener training for most of the participants. However, the transformation effect of verbal rules using unfamiliar stimuli seemed to be related with the existence of bidirectional relations between the signs and objects specified in the rule. / A análise da relação entre os repertórios de falante e de ouvinte tem contribuído para a compreensão de como se dá a aquisição de habilidades verbais complexas. O estudo do comportamento governado por regras faz parte desses esforços. Além disso, discute-se que o controle por regras depende da relação bidirecional entre as palavras e os objetos especificados pelas regras. O presente estudo teve como objetivo analisar como a relação entre o treino de ouvinte e a emergência de tatos e mandos pode auxiliar na interpretação de ocorrências simples na aquisição dos repertórios de construir e de seguir regras. O procedimento envolveu (a) ensino de sinais para itens familiares e não familiares através de tarefas de MTS (treino de ouvinte), (b) teste para a emergência de mandos e de tatos e (c) teste para a emergência dos comportamentos de construir e de seguir regras envolvendo a utilização dos sinais aprendidos durante as tarefas de MTS. Os participantes aprenderam a responder aos sinais selecionando os estímulos visuais correspondentes (figuras de containers, ferramentas para a utilização desses containers e estímulos não familiares). Tatos foram testados em tarefas em que era solicitado ao participante sinalizar as figuras. Mandos foram testados em situações em que os participantes poderiam sinalizar as ferramentas necessárias para a utilização dos containers. Em seguida, três figuras não familiares foram utilizadas em um treino posterior para substituir as figuras dos containers que fizeram parte do treino original. O teste final avaliou se as informações aprendidas durante o treino original poderiam ser transferidas para os estímulos não familiares. Resultados indicaram a emergência de mandos e de tatos após o treino de ouvinte para a maioria dos participantes. No entanto, a transferência do efeito das regras verbais para os estímulos não familiares parece estar relacionada com a existência de relações bidirecionais entre os sinais e os objetos especificados na regra. Estudos futuros envolverão a construção de relações mais complexas entre os repertórios de ouvinte e falante para a aplicação no contexto do comportamento governado por regras.

A extração de regras de associação (ARM - Association Rule Mining) de dados quantitativos tem sido pesquisa de grande interesse na área de mineração de dados. Com o crescente aumento das bases de dados, há um grande investimento na área de pesquisa na criação de algoritmos para melhorar o desempenho relacionado a quantidade de regras, sua relevância e a performance computacional. O algoritmo APRIORI, tradicionalmente usado na extração de regras de associação, foi criado originalmente para trabalhar com atributos categóricos. Geralmente, para usá-lo com atributos contínuos, ou quantitativos, é necessário transformar os atributos contínuos, discretizando-os e, portanto, criando categorias a partir dos intervalos discretos. Os métodos mais tradicionais de discretização produzem intervalos com fronteiras sharp, que podem subestimar ou superestimar elementos próximos dos limites das partições, e portanto levar a uma representação imprecisa de semântica. Uma maneira de tratar este problema é criar partições soft, com limites suavizados. Neste trabalho é utilizada uma partição fuzzy das variáveis contínuas, que baseia-se na teoria dos conjuntos fuzzy e transforma os atributos quantitativos em partições de termos linguísticos. Os algoritmos de mineração de regras de associação fuzzy (FARM - Fuzzy Association Rule Mining) trabalham com este princípio e, neste trabalho, o algoritmo FUZZYAPRIORI, que pertence a esta categoria, é utilizado. As regras extraídas são expressas em termos linguísticos, o que é mais natural e interpretável pelo raciocício humano. Os algoritmos APRIORI tradicional e FUZZYAPRIORI são comparado, através de classificadores associativos, baseados em regras extraídas por estes algoritmos. Estes classificadores foram aplicados em uma base de dados relativa a registros de conexões TCP/IP que destina-se à criação de um Sistema de Detecção de Intrusos. / The mining of association rules of quantitative data has been of great research interest in the area of data mining. With the increasing size of databases, there is a large investment in research in creating algorithms to improve performance related to the amount of rules, its relevance and computational performance. The APRIORI algorithm, traditionally used in the extraction of association rules, was originally created to work with categorical attributes. In order to use continuous attributes, it is necessary to transform the continuous attributes, through discretization, into categorical attributes, where each categorie corresponds to a discrete interval. The more traditional discretization methods produce intervals with sharp boundaries, which may underestimate or overestimate elements near the boundaries of the partitions, therefore inducing an inaccurate semantical representation. One way to address this problem is to create soft partitions with smoothed boundaries. In this work, a fuzzy partition of continuous variables, which is based on fuzzy set theory is used. The algorithms for mining fuzzy association rules (FARM - Fuzzy Association Rule Mining) work with this principle, and, in this work, the FUZZYAPRIORI algorithm is used. In this dissertation, we compare the traditional APRIORI and the FUZZYAPRIORI, through classification results of associative classifiers based on rules extracted by these algorithms. These classifiers were applied to a database of records relating to TCP / IP connections that aims to create an Intrusion Detection System.