El artículo se centra en lo que dos tipos diferentes de Redes Neuronales Recurrentes, a saber, una memoria a largo y corto plazo recurrente y una variante recurrente de memorias autoorganizadas, un Mapa Temporal Autoorganizado, pueden decirnos sobre el aprendizaje y procesamiento de un conjunto de formas verbales completamente flexionadas seleccionadas de los paradigmas de mayor frecuencia del italiano y el alemán. Ambas arquitecturas, debido a la capa reentrante de conectividad temporal, pueden desarrollar una fuerte sensibilidad a patrones secuenciales que están altamente atestiguados en los datos de entrenamiento. El objetivo principal es evaluar las dinámicas de aprendizaje y procesamiento de los datos de flexión verbal en las dos redes neuronales, centrándose en los efectos de la estructura morfológica en la producción y reconocimiento de palabras, así como en la generalización de palabras para formas verbales no entrenadas. Para ambos modelos, los resultados muestran que la producción y el reconocimiento, así como la generalización, se facilitan para las formas verbales en paradigmas regulares. Sin embargo, los dos modelos son influenciados de manera diferente por los efectos estructurales, siendo el Mapa Temporal Autoorganizado más propenso a encontrar de manera adaptativa un equilibrio entre los problemas de procesamiento de la aprendibilidad y la generalización, por un lado, y la discriminabilidad por el otro.