Este documento propone un método para aprender el proceso de ajuste de curvas a través de una clase general de bases racionales totalmente positivas. La aproximación se logra encontrando pesos y puntos de control adecuados para ajustar el conjunto dado de puntos de datos utilizando una red neuronal y un algoritmo de entrenamiento, llamado algoritmo AdaMax, que es una optimización estocástica basada en gradientes de primer orden. La red neuronal presentada en este documento es novedosa y se basa en una generalización reciente de curvas racionales que heredan propiedades geométricas y algoritmos de las tradicionales curvas racionales de Bézier. La red neuronal ha sido aplicada a diferentes tipos de conjuntos de datos y se ha comparado con el método tradicional de mínimos cuadrados para probar su rendimiento. Los resultados obtenidos muestran que nuestro método puede generar una aproximación satisfactoria.