Recientemente, se propuso una familia extendida de medidas de divergencia de potencia con dos parámetros junto con un algoritmo de reconstrucción iterativo basado en la minimización de la medida de divergencia como función objetivo de las imágenes reconstruidas para la tomografía computarizada. Los experimentos numéricos sobre el algoritmo de reconstrucción ilustraron que tiene ventajas sobre los métodos iterativos convencionales a partir de proyecciones medidas ruidosas al establecer valores apropiados de los parámetros. En este documento, presentamos una nueva arquitectura de red neuronal para determinar los parámetros más apropiados según el nivel de ruido de las proyecciones y la forma de la imagen objetivo. A través de experimentos, mostramos que el algoritmo de la arquitectura, que tiene una subred de optimización con conexiones multiplicativas en lugar de aditivas, funciona bien.