El modelado de canales de vehículos aéreos no tripulados (VANT) en comunicaciones inalámbricas ha ganado un gran interés para el despliegue rápido en comunicación inalámbrica. El canal de VANT tiene sus propias características distintivas en comparación con las redes satelitales y celulares. Muchas técnicas propuestas consideran y formulan el modelado del canal de VANT como un problema de clasificación, donde la clave es extraer las características discriminativas de la señal inalámbrica del VANT. Para abordar este problema, proponemos un marco de múltiples máquinas de Boltzmann restringidas Gaussianas-Bernoulli (GBRBM) para la reducción de dimensiones y la utilización de pre-entrenamiento incorporada con una red neuronal profunda basada en autoencoders. El sistema desarrollado utilizó mediciones de VANT de la red celular comercial ya existente de una ciudad para el entrenamiento y la validación. Para evaluar el enfoque propuesto, realizamos simulaciones de trazado de rayos en el programa Remcom Wireless InSite a una frecuencia distinta de 28 GHz y las utilizamos para el entrenamiento y la validación. Los resultados demuestran que el método propuesto es preciso en la adquisición de canales para varios escenarios de vuelo de VANT y supera a las DNN convencionales.