O Labirinto em Cruz Elevado (LCE) é um modelo animal para o estudo da ansiedade, suas bases biológicas e os efeitos de diferentes tipos de fármacos sobre o comportamento. Diferentes métodos têm sido usados para estudá-lo, dentro dos quais encontra-se a modelagem computacional. O presente trabalho junta-se a esses estudos utilizando as ferramentas da modelagem computacional para desenvolver dois modelos computacionais e índices que permitiram avaliá-lo. O primeiro deles estuda a maneira como os animais exploram o labirinto usando cadeias de Markov. Esta abordagem rendeu um método de caracterização capaz de identificar os efeitos de certos tipos de fármacos sobre a maneira como o animal explora o LCE, ao mesmo tempo que levanta alguns indícios sobre a quantidade de informação que o rato usa para tomar uma decisão. O segundo foi construído baseado na ideia do conflito como o determinante do comportamento do rato no LCE, adaptando um modelo de rede neural usado para avaliar informação conflitante: o modelo de dipolo chaveado de Grossberg. O objetivo desse segundo modelo foi avaliar a viabilidade de um modelo de competição de três forças: uma que insta explorar locais considerados amedrontadores, uma outra que insta procurar proteção e a última que representa o vigor do animal. Cada uma das forças que compõem o modelo recebe sinais vindos do ambiente e a maneira como processam esses sinais pode ser afetada pelos efeitos de um determinado fármaco. O modelo reproduz os efeitos esperados dos três tipos de fármacos fazendo mudanças em no máximo dois de seus parâmetros. Da mesma maneira, o modelo reproduz parte do comportamento esperado na Arena, precisando apenas de um pequeno ajuste para reproduzir as trajetórias que o animal costuma fazer em torno das paredes desse labirinto. Pode-se concluir que o modelo computacional descreve uma possível maneira de como as variáveis que controlam o comportamento do rato no LCE interagem e de como os fármacos interagem com essas variáveis, permitindo a reprodução do comportamento do rato no LCE e em outros labirintos como a Arena. O modelo foi construído para reproduzir os efeitos de três tipos de fármacos, porém, a maneira como esses tipos de fármacos interagem com o modelo não foi condicionada a um local ou maneira específico. Esta abordagem permite procurar outras interações que não somente reproduzam os efeitos de fármacos conhecidos, mas também possam predizer os efeitos de fármacos ainda não estudados. / The Elevated Plus Maze (EPM) is an animal model for the study of anxiety, its biological foundations, and the effects of different kinds of drugs on behavior. A group of different modeling methods have been used to study the rat behavior in the EPM. One of them characterizes rat behavior the EPM using directed graphs and proposes an index which can be used to classify the drug type and dosis. The other two methods were used to construct computational models for the rat behavior. The first of these models used Markov chains to reproduce the rat behavior. This approach offers a method to characterize the rat behavior, which is able to identify the effects of certain kinds of drugs on the way the rat explores the maze and, at the same time, raises some clues on how much information is used by the animal to take a decision. The second one was built based on the idea that conflict determines the rat behavior in the EPM. Conflict was introduced in the model via an adapted version of Grossberg\'s gated dipole artificial neural network model. The goal was to evaluate the viability of a competition-based model with three kind of drives: a drive to explore threatening places, a drive to seek protection, and a drive to move, related to the energy of the animal. The model receives and processes signals from the environment according to the states of these three drives, and the way in which the signals are processed can be influenced by effects of specific drugs. This model reproduces the expected effects of three types of drugs with modifications of up to two parameters. The model also reproduces part of the expected behavior of the animal in the Arena, a different maze, by requiring only small adjustments to reproduce the trajectory of the rat around the walls. It is possible to conclude that this computational model captures elements of the interaction of variables which control the rat behavior in the EPM and how drugs interact with these variables. These elements may also be present in the rat behavior in the Arena. The tools and models presented here offer new paradigms to study rat behavior in the EPM. They can offer new benchmarks to characterize rat behavior and can be used to study the effects of different drugs and their interactions.

O presente trabalho descreve a aplicação de um modelo híbrido para sistemas especialistas em um problema de tomada de decisão, do tipo classificatório. O modelo híbrido para sistemas especialistas, denominado SECOX-HI, foi desenvolvido utilizando-se dois mecanismos de representação de conhecimento. O conhecimento é representado por um conjunto de estruturas de dados relacionais e por redes neurais. As estruturas de dados relacionais permitem uma representação flexível e compreensível do conhecimento do domínio, enquanto que as redes neurais possibilitam a automação da aquisição de conhecimento, a partir de uma base de casos, e a implementação do aprendizado indutivo. O modelo de redes neurais utilizado foi o Modelo Neural Combinatório (MNC), capaz de realizar o aprendizado heurístico através de reconhecimento de padrões observados. A metodologia de construção de grafos de conhecimento foi utilizada para capturar o conhecimento dos especialistas sobre o domínio da aplicação. Adicionalmente, os conceitos da lógica nebulosa foram empregados para modelar as variáveis nebulosas do domínio da aplicação, bem como para definir a função de pertinência dos conjuntos nebulosos relacionados a essas variáveis. A metodologia de aquisição de conhecimento e a fase de engenharia de conhecimento são detalhadas no trabalho, assim como a determinação das variáveis nebulosas e os conjuntos nebulosos associados. O modelo híbrido para sistemas especialistas, SECOX-HI, foi aplicado no problema de detecção de regime de operação do reservatório da usina hidroelétrica de Passo Real, no sistema hidroelétrico Jacuí, na companhia estadual de energia elétrica do Estado do Rio Grande do Sul (CEEE). Para a validação do SECOX-HI, montaram-se três versões da base de conhecimento. A primeira versão, Bl, contém os casos de ocorrências históricas levantados no centro de operações do sistema. A segunda versão, B2, foi montada a partir dos grafos de conhecimento colhidos dos especialistas. A terceira versão da base de conhecimento, B3, constituí-se numa base híbrida, formada por porções das versões Bl e B2. Também, para efeito de validação do sistema, foi montada uma base de testes. A base de testes é composta por 30 ocorrências, aleatóriamente selecionadas. A versão Bl do sistema concluiu corretamente 29 (96. 7 %) dos 30 diagnósticos da base de testes. A versão B2 do sistema concluiu corretamente 22 (73.4 %) dos 30 casos apresentados, e a versão híbrida do sistema, B3, concluiu corretamente 27 (90 %) dos 30 casos apresentados. Pelos resultados obtidos na validação do modelo, pode-se verificar a eficiência do formalismo híbrido na representação do conhecimento; a eficiência e aplicabilidade de modelos de redes neurais para a implementação de métodos de aquisição automática de conhecimento, principalmente quando existe um banco de casos disponível para o treinamento da rede neural; a aplicabilidade da tecnologia de sistemas especialistas no suporte à decisão. Como principais contribuições deste trabalho, pode-se destacar a i aplicação da lógica nebulosa numa situação real, para a interpretação e modelagem de conceitos imprecisos; a utilização e validação de uma metodologia para aquisição de conhecimento, baseada em grafos; a especificação e aplicação de um modelo computacional que incorpora a explicitação automática de conhecimento, via registros de ocorrências históricas, e o aprendizado indutivo, pelo refinamento do conhecimento armazenado nas redes neurais. / This dissertation describes the application of a hybrid model for classification expert systems in a decision making environment. The hybrid model for expert systems, named SECOX-HI, employs two knowledge representation mechanism. The knowledge is represented by a set of relational data structures and neural networks. The relational data structures provide flexible and comprehensible constructs for modeling the domain knowledge. The neural networks provide the means for automatic knowledge acquisition, by a case database, and enable the implementation of machine learning techniques. The Combinatorial Neural Model (CNM) was the architecture chosen for the neural network environment. These model is characterized by its capacity of learning through the recognition of regularities observed in the outside world. The methodology used for knowledge acquisition was the construction of knowledge graphs, extracted from the domain experts. In addition, the fuzzy logic concepts was used to model the fuzzy variables of the application domain, as well as to define the membership functions of the fuzzy sets related to these variables. The knowledge acquisition methodology, the knowledge engineering phase and the especification of the fuzzy variables are fully discussed. The SECOX-HI system was applied at classification of operation states of the floodgates movements from a reservoir in a hydroeletric company named CEEE (Companhia Estadual de Energia Elétrica Rio Grande do Sul). To validate SECOX-HI system, three vers10ns of the knowledge base were consructed. The first version, Bl, was automatically created based on the training of the case database. The case database is formed by records of historicals occurrences retrieved from the databases of the eletric company, CEEE. The second version, B2, is based upon the knowledge graphs extracted from experts in operation of floodgates. The third version, B3, is a hybrid version formed by parts of knowledge base version Bl and B2. To validate these three versions of the knowledge base, 30 cases were randomly selected from the same database that originated the case database, excluding ali cases that had already been previously selected. Version Bl gave 29 (96,7%) correct diagnoses out of 30; version B2 gave 22 (73,4%) correct diagnoses and version B3 gave 27 (90 ,0%) correct diagnoses. These results point to the efficiency of the hybrid formalism to the knowledge representation, the efficiency and applicability of neural networks models to implement the automatic knowledge acquisition methods, mainly when there is a case database available for training the neural model. The results also showed the applicability of expert systems in the role of a decision support tool. The main contribuitions of this research are the application of fuzzy logic m a real world problem to interpret and model imprecise concepts; the using and validation of a knowledge acquisition methodology based on knowledge graphs; the design and application of a computational model that provides automatic knowledge I acquisition by a case database and inductive learning through the refinement of the neural network knowledge.

SILVA, Ana Cristina Cunha da. O uso de redes neurais auto-organizáveis na análise da transferência de conhecimentos prosódico em aprendizes brasileiros de língua inglesa. 2010, 201f. Tese (Doutorado em Linguística) – Universidade Federal do Ceará, Departamento de Letras Vernáculas, Programa de Pós-graduação em Linguística, Fortaleza-CE, 2010. / Submitted by nazareno mesquita (nazagon36@yahoo.com.br) on 2012-06-28T13:08:58Z No. of bitstreams: 1 2010_tese_ACCSilva.pdf: 2172197 bytes, checksum: 036ba2cdc331410f0516a0ba2abe520d (MD5) / Approved for entry into archive by Maria Josineide Góis(josineide@ufc.br) on 2013-10-10T13:22:45Z (GMT) No. of bitstreams: 1 2010_tese_ACCSilva.pdf: 2172197 bytes, checksum: 036ba2cdc331410f0516a0ba2abe520d (MD5) / Made available in DSpace on 2013-10-10T13:22:45Z (GMT). No. of bitstreams: 1 2010_tese_ACCSilva.pdf: 2172197 bytes, checksum: 036ba2cdc331410f0516a0ba2abe520d (MD5) Previous issue date: 2010 / The objective of this dissertation was to investigate how the prosodic knowledge is organized in an early stage of L2 acquisition in Brazilian learners of English with the help of a connectionist neural network. The approach proposed in this research is first, to quantify the utterances of L2 learners in the form of LPC coefficients and other linguistic/phonetics features that can represent the phenomenon studied here (Transfer of the prosodic knowledge from Portuguese to English). This process is called speech feature extraction, an important step in the connectionist approach to speech processing. Second, since certain features of the lexical item or sentence produced by each learner are determined, these data are entered into the neural network to analyze the statistical properties (regularities) of the set of speakers as a whole. Third, visualization tools are used to analyze how the network organizes speakers and what information is most relevant to this process of group formation (e.g. proficiency level, a certain characteristic or property of speech, among others). The network is known as Self-Organizing Map (Self-Organizing Map, SOM). The SOM organizes speakers for similarity degree in well-defined groups (clusters). Application of SOM in this context is therefore innovative. The SOM network is implemented in Matlab environment using the SOMtoolbox package, which is a set of programming routines developed by the research group in Finland, also the inventors of the SOM. The simulation results indicate that SOM might be used more frequently to assess the degree of distance that a group of learners is to the group of native speakers. Thus, a neural network might be used as a tool in the context of determining the level of foreign language proficiency. / O objetivo desta tese foi investigar como o conhecimento prosódico está organizado em um estágio inicial de aquisição de L2 em aprendizes brasileiros de inglês com a ajuda de uma rede neural conexionista. A abordagem proposta neste trabalho consiste primeiramente em "quantificar" as elocuções dos aprendizes de L2 na forma de coeficientes LPC e outras características linguísticas/fonéticas que possam representar o fenômeno aqui estudado (Transferência do Conhecimento Prosódico do Português para o inglês). A este processo dá-se o nome de "extração de características" da fala (feature extraction), uma importante etapa na abordagem conexionista do processamento da fala. Em segundo lugar, uma vez determinadas as características do item lexical ou da frase produzida por cada aprendiz, são inseridos esses dados na rede neural a fim de analisar as propriedades (regularidades) estatísticas do conjunto de falantes como um todo. Em terceiro, utiliza-se ferramentas de visualização para analisar como a rede organiza os falantes e quais informações são mais relevantes para este processo de formação de grupos (e.g. nível de proficiência, uma certa característica ou propriedade da fala, entre outros). A rede utilizada é conhecida como Mapa Auto-Organizável (Self-Organizing Map, SOM). A rede SOM organiza os falantes por grau de similaridade em grupos bem definidos (clusters). A aplicação da rede SOM neste contexto é, portanto, inovadora. A rede SOM é implementada no ambiente Matlab usando o pacote Som toolbox, que é um conjunto de rotinas de programação desenvolvidas pelo grupo de pesquisa da Finlândia, também inventores da rede SOM. Os resultados das simulações apontam que a rede SOM pode vir a ser usada mais frequentemente para avaliar o grau de distância a que um grupo de aprendizes está do grupo de falantes nativos. Dessa forma, uma rede neural pode vir a ser aplicada como ferramenta no contexto de determinação de nível de proficiência em língua estrangeira.