La mejora de la precisión es uno de los principales enfoques de investigación en el área de los sistemas de recomendación. Tradicionalmente, los sistemas de recomendación trabajan en dos conjuntos de entidades, y , para estimar una única calificación que represente la aceptación de un usuario por un artículo. Esta técnica se extendió más tarde a los sistemas de recomendación de múltiples criterios que utilizan una calificación general a partir de calificaciones de múltiples criterios para estimar el grado de aceptación de los usuarios por los artículos. La preocupación principal que aún está abierta para la comunidad de sistemas de recomendación es encontrar algoritmos de optimización adecuados que puedan explorar las relaciones entre múltiples calificaciones para calcular una calificación general. Uno de los enfoques para hacer esto es asumir que la calificación general es una agregación de múltiples calificaciones de criterios. Dado este supuesto, este documento propuso el uso de redes neuronales feed-forward para predecir la calificación general. Se han probado cinco algoritmos de entrenamiento potentes, y los resultados de su rendimiento se analizan y presentan en este documento.