@prefix config: <http://example.org/config#>.
@prefix meta: <http://example.org/metadata#>.
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#>.
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#>.
@prefix xsd: <http://www.w3.org/2001/XMLSchema#>.
@prefix owl: <http://www.w3.org/2002/07/owl#>.
@prefix dc: <http://purl.org/dc/elements/1.1/>.
@prefix dcmitype: <http://purl.org/dc/dcmitype/>.
@prefix dcterms: <http://purl.org/dc/terms/>.
@prefix foaf: <http://xmlns.com/foaf/0.1/>.
@prefix geo: <http://www.w3.org/2003/01/geo/wgs84_pos#>.
@prefix om: <http://opendata.caceres.es/def/ontomunicipio#>.
@prefix locn: <http://www.w3.org/ns/locn#>.
@prefix schema: <http://schema.org/>.
@prefix skos: <http://www.w3.org/2004/02/skos/core#>.
@prefix dbpedia: <http://localhost:8080/resource/>.
@prefix p: <http://localhost:8080/property/>.
@prefix yago: <http://localhost:8080/class/yago/>.
@prefix units: <http://dbpedia.org/units/>.
@prefix geonames: <http://www.geonames.org/ontology#>.
@prefix prv: <http://purl.org/net/provenance/ns#>.
@prefix prvTypes: <http://purl.org/net/provenance/types#>.
@prefix doap: <http://usefulinc.com/ns/doap#>.
@prefix void: <http://rdfs.org/ns/void#>.
@prefix ir: <http://www.ontologydesignpatterns.org/cp/owl/informationrealization.owl#>.
@prefix ou: <http://opendata.unex.es/def/ontouniversidad#>.
@prefix teach: <http://linkedscience.org/teach/ns#>.
@prefix time: <https://www.w3.org/2006/time#>.
@prefix datex: <http://vocab.datex.org/terms#>.
@prefix aiiso: <http://purl.org/vocab/aiiso/schema#>.
@prefix vivo: <http://vivoweb.org/ontology/core#>.
@prefix bibo: <http://purl.org/ontology/bibo/>.
@prefix fabio: <http://purl.org/spar/fabio/>.
@prefix vcard: <http://www.w3.org/2006/vcard/ns#>.
@prefix swrcfe: <http://www.morelab.deusto.es/ontologies/swrcfe#>.
@prefix frapo: <http://purl.org/cerif/frapo/>.
@prefix org: <https://www.w3.org/ns/org#>.
@prefix ei2a: <https://opendata.aragon.es/def/ei2a/#>.
@prefix pto: <http://www.productontology.org/id/>.

<http://opendata.unex.es/recurso/ciencia-tecnologia/investigacion/grupos-investigacion/LineaInvestigacion/TPR002-1> ou:codUnescoII "120304";
    dcterms:description "Predicción de series temporales de consumo eléctrico mediante redes neuronales. Para ello se han desarrollado herramientas de predicción de las demandas de consumo de energía eléctrica mensuales a uno y doce meses mediante redes neuronales. Se han desarrollado también procesos de pretratamiento de las series históricas de consumo para mejorar sus prestaciones. En la actualidad se está trabajando en la definición de nuevas estructuras neuronales que faciliten un aumento de la fiabilidad de las predicciones.  ";
    ou:codUnescoI "120326";
    dcterms:title "INTELIGENGIA ARTIFICIAL: PREDICCIÓN DE SERIES TEMPORALES ";
    a ou:LineaInvestigacion;
    ou:codUnescoIII "120304".
<http://opendata.unex.es/recurso/ciencia-tecnologia/investigacion/grupos-investigacion/GrupoInvestigacion/TPR002> ou:tieneLineaInvestigacion <http://opendata.unex.es/recurso/ciencia-tecnologia/investigacion/grupos-investigacion/LineaInvestigacion/TPR002-1>.