En este trabajo, investigamos una nueva estrategia de diseño para la implementación de un sistema de relé de retroalimentación limitada basado en una red neuronal profunda (DNN) utilizando filtros convencionales para adquirir datos de entrenamiento con el fin de resolver conjuntamente los problemas de cuantización y retroalimentación. Nuestro objetivo es maximizar la ganancia efectiva del canal para reducir la tasa de error de símbolo (SER). Al aprovechar la información de retroalimentación binaria de las DNN implementadas junto con vectores de formación de haces eficientes, se presenta un enfoque novedoso al problema resultante. Comparamos nuestro sistema propuesto con un sistema de libro de códigos de Grassmann para demostrar que nuestro sistema supera a su referencia en términos de SER.