El acoplamiento mutuo de elementos de antena degrada significativamente el rendimiento de la estimación de la Dirección de Llegada (DoA). En este documento, se emplea un novedoso método basado en aprendizaje automático a través del Núcleo Neural Tangente (NTK) para abordar el problema de estimación de DoA bajo el efecto del acoplamiento mutuo electromagnético. NTK se origina a partir de consideraciones de Redes Neuronales Profundas (DNN), basadas en el caso límite de un número infinito de neuronas en cada capa, lo que finalmente conduce a estimadores muy eficientes. Con la ayuda de la técnica de Encontrar Raíces Polinomiales (PRF, por sus siglas en inglés), se propone un método avanzado, NTK-PRF. El método se adapta bien a escenarios de múltiples señales cuando las fuentes están lejos. Se realizan simulaciones numéricas para demostrar que este enfoque NTK-PRF puede manejar, con precisión y de manera muy eficiente, problemas de estimación de DoA de múltiples señales con acoplamiento mutuo realista.