La computación neuromórfica basada en barras cruzadas para acelerar las redes neuronales es una alternativa popular a los sistemas de computación convencionales de von Neumann. También se le conoce como procesamiento en memoria y computación analógica in situ. Las barras cruzadas tienen un número fijo de sinapsis por neurona y es necesario descomponer las neuronas para mapear las redes en las barras cruzadas. Este documento propone el algoritmo de descomposición de reserva que puede equilibrar el rendimiento predictivo con el uso de neuronas durante el mapeo. El algoritmo propuesto realiza una descomposición jerárquica de dos niveles. En la primera descomposición global, descompone la red neuronal de tal manera que cada barra cruzada tenga neuronas de reserva. Estas neuronas se utilizan para mejorar la precisión de la red parcialmente mapeada en la descomposición local posterior. Nuestros resultados experimentales utilizando redes neuronales convolucionales modernas muestran que el método propuesto puede mejorar sustancialmente la precisión con aproximadamente un 10% de neuronas adicionales.