Os processos de recuperação e aprendizado de casos, que exercem um papel fundamental, em sistemas de Raciocínio Baseado em Casos, não são fáceis de serem desenvolvidos. Estes dois processos são bastante dependentes. Os casos devem ser recuperados rapidamente da memória para o sistema de Raciocínio Baseado em Casos ser eficiente. Isto implica em estruturas mais elaboradas para armazenálos, organizá-los e recuperá-los. Quando um conhecimento novo é incorporado ao sistema (aprendizado), a reorganização dos casos na memória torna-se muito complexa devido justamente à estas estruturas. O principal objetivo deste trabalho é a integração de Raciocínio Baseado em Casos e Redes Neurais. Neste trabalho, uma Rede Neural, modelo ART1, é utilizada para auxiliar na recuperação e aprendizado de casos em um sistema de Raciocínio Baseado em Casos.

The retrieval and learning phases, which plays a fundamental role in a Case Based Reasoning system, usually are not easy to design. These processes strongly depend on each other. For a Case Based Reasoning system to be considered efficient, suitable cases must be fastly retrieved. For such, complex structures have been used. However, these structures makes harder the learning of new cases. This work proposes a Case Based Reasoning system which uses Neural Networks to retrieve stored cases and learn new cases. The network used, ARTI, supports incremental learning and groups cases in clusters by extracting features from the cases, which can later be used to retrieve cases.