Este artículo presenta una nueva red de aprendizaje profundo diseñada para detectar intervalos de discontinuidades de salto en funciones suaves a trozos de una sola variable a partir de sus muestras ruidosas. Mejorar la precisión de las estimaciones de discontinuidades de salto puede utilizarse para encontrar una aproximación general más precisa de la función, ya que los métodos de aproximación tradicionales a menudo producen errores significativos cerca de las discontinuidades. Detectar intervalos de discontinuidades es relativamente sencillo cuando se trabaja con datos de función exactos, ya que las diferencias finitas en los datos pueden servir como indicadores de suavidad. Sin embargo, estos indicadores de suavidad se vuelven poco fiables al tratar con datos altamente ruidosos. En este artículo, proponemos una red de aprendizaje profundo para localizar la ubicación de una discontinuidad de salto incluso en presencia de un ruido sustancial.