Este trabajo trata de las redes neuronales (NN), concretamente de las NN multicapa desde el punto de vista del aprendizaje de algoritmos. Describiremos la red neuronal de avance (FFNN), la red neuronal recurrente (RCNN) e introduciremos datos básicos sobre las NN, que se utilizarán más adelante en la disertación. Una red neuronal es un modelo matemático que se inspira en las redes neuronales biológicas y trata de simularlas. Está formada por unidades interconectadas, las neuronas, que son las unidades de cálculo de una red neuronal. Las NN forman parte de la Inteligencia Artificial. El conocimiento se almacena en las conexiones entre las neuronas, que se denominan pesos sinápticos (ponderaciones), simplificación de las dendritas y los axones biológicos. La NN es un aproximador universal de las relaciones almacenadas dentro de los datos - un aproximador estadístico no lineal de modelado de datos, es capaz de aprender y adaptar su estructura basándose en la información interna/externa que se propaga a través de la NN durante la fase de aprendizaje. Es relativamente fácil de utilizar en un amplio ámbito de áreas técnicas y no técnicas sin necesidad de más conocimientos teóricos para la mayoría de las NN. Hay una serie de NNs que requieren conocimientos para implementarlas y utilizar el conjunto correcto de parámetros de inicialización.