Emergência de classes seqüenciais após treino com pareamento consistente

Relações de ordem podem ser documentadas por meio de testes comportamentais através das propriedades de assimetria, transitividade e conectividade. A emergência de classes seqüenciais pode ser estabelecidas de diferentes maneiras, inclusive a partir do matching to sample com pareamento consistente de estímulos e sem conseqüências imediatas. O presente estudo buscou verificar o efeito do treino com pareamento consistente entre estímulos visuais sobre desempenhos emergentes. Cinco universitários de ambos os sexos foram submetidos ao treino das relações condicionais AB, AC e AD. A tarefa dos participantes era responder ordinalmente a dígitos e formas geométricas abstratas. Em seguida, os participantes foram expostos a testes para ordenação de três seqüências diferentes com cinco estímulos. Três participantes alcançaram o critério de acerto e apresentaram um responder consistente nos testes. Os resultados indicaram que o treino foi efetivo no estabelecimento de relações de ordem entre estímulos e replicam dados da literatura no estabelecimento de desempenho seqüencial após treino com matching to sample.

Aplicação de redes neuronais artificiais ao tratamento e interpretação de perfis geofísicos de poço aberto

A análise dos perfis petrofísicos de poço aberto possui um papel de fundamental importância para os estudos geológicos e geofísicos, no que se refere a obtenção de um maior conhecimento da subsuperfície, bem como para a identificação e exploração de depósitos minerais e petrolíferos. Alguns tópicos importantes da interpretação geológica dos perfis como a determinação de interfaces, a identificação mineralógica e a correlação poço-a-poço são extremamente tediosos e dispendem na sua execução uma grande carga horária. A automação destes procedimentos é em princípio bastante complicada, mas necessária, pois permitirá um melhor aproveitamento do tempo de trabalho do geólogo de produção e do intérprete de perfis. As redes neuronais artificiais apresentam uma boa performance para a solução destes tipos de problema, inclusive nos casos nos quais os algoritmos sequenciais apresentam dificuldades. Mostrar-se-á nesta tese que as redes neuronais artificiais podem ser utilizadas eficientemente para a automação desses procedimentos da interpretação geológica dos perfis. Apresentamos detalhadamente as novas arquiteturas e as aplicações sobre dados sintéticos e perfis reais.