En este documento, se presenta un optimizador de Redes Neuronales basado en Evolución Diferencial Autoadaptativa. Este optimizador aplica operadores de mutación y cruce de una manera nueva, teniendo en cuenta la estructura de la red según una estrategia por capa. Además, se propone un nuevo cruce llamado [nombre del cruce], y se sugiere una nueva versión autoadaptativa de la Evolución Diferencial para reducir el número de parámetros. El marco ha sido probado en algunos problemas de clasificación conocidos y se realiza un estudio comparativo sobre las diversas combinaciones de métodos autoadaptativos, operadores de mutación y cruce disponibles en la literatura. Los resultados experimentales muestran que DENN alcanza buenos rendimientos en términos de precisión, mejores o al menos comparables con los obtenidos mediante retropropagación.