Este documento presenta un problema de inferencia estocástica adecuado para un enfoque de clasificación en un modelo de observación variable en el tiempo con parametrización desconocida de valores continuos. Se considera la utilización de un clasificador basado en redes neuronales artificiales (ANN), y se emplea el concepto de un proceso de entrenamiento a través del algoritmo de retropropagación. El objetivo principal es minimizar los recursos necesarios para el entrenamiento del clasificador en el modelo de observación paramétrico. Para lograr esto, se propone que los pesos del clasificador ANN varíen continuamente con el cambio de los parámetros del modelo de observación. Este comportamiento se utiliza luego en un algoritmo de retropropagación basado en actualizaciones. Esta idea propuesta se demuestra en varios procedimientos, que reutilizan los pesos previamente entrenados como información previa al actualizar el clasificador después de un cambio de fase del canal. Este enfoque ahorra con éxito los recursos necesarios para volver a entrenar el ANN. El nuevo enfoque se verifica a través de una simulación en un sistema de comunicación de ejemplo con el canal de desvanecimiento lento de relé bidireccional.