El estudio actual muestra el rendimiento numérico del modelo matemático de orden fraccionario basado en la historia romántica de Majnun y Layla (FO-MML). Se presenta un esquema numérico de computación estocástica basado en redes neuronales de gradiente conjugado escalado (SCGNNs) para resolver el FO-MML. El propósito de proporcionar las soluciones de las derivadas fraccionarias es lograr un rendimiento más preciso y realista del modelo de la historia romántica FO-MML. El modelo matemático se divide en cuatro dinámicas, mientras que la exactitud se autentica a través de la comparación de los resultados obtenidos y los resultados de referencia de Adam. Además, el error absoluto insignificante mejora la precisión del esquema estocástico. Se han tomado catorce números de neuronas y las estadísticas de la información se dividen en autorización, entrenamiento y pruebas, que se dividen en 12%, 77% y 11%, respectivamente. La fiabilidad, capacidad y precisión de los SCGNNs estocásticos se realiza a través de los procedimientos estocásticos utilizando la regresión, histogramas de error, correlación y transiciones de estado para resolver el modelo matemático.