La predicción del turismo es una herramienta/atributo significativo en la industria turística para proporcionar una planificación cuidadosa y gestión de los recursos turísticos. Aunque predecir con precisión el volumen de turistas es una tarea muy desafiante, predicciones confiables y precisas ofrecen la oportunidad de obtener grandes beneficios. Por lo tanto, el desarrollo e implementación de algoritmos de aprendizaje automático más sofisticados y avanzados puede ser beneficioso para la industria de pronóstico turístico. En este trabajo, exploramos el rendimiento de predicción de Redes Neuronales con Restricción de Peso (WCNNs) para predecir la llegada de turistas a Grecia. Los WCNNs constituyen un nuevo modelo de predicción de aprendizaje automático que se caracteriza por la aplicación de restricciones de caja en los pesos de la red. Nuestros resultados experimentales indican que los WCNNs superan a las redes neuronales clásicas y a los modelos de regresión de vanguardia: regresión de vector de soporte, regresión de k-vecinos más cercanos, red neuronal de funciones de base radial, árbol de decisión M5 y procesos gaussianos.