A pesar de que los elementos tipo viga son ampliamente adoptados en la industria debido a su bajo costo computacional y posibles ahorros de tiempo al modelar, presentan una importante limitación dada por su propia formulación, lo que los hace incapaces de tener en cuenta la topología de las juntas locales, la cual tiene una notable influencia en el comportamiento de estas estructuras. En este escenario, las soluciones que pueden mitigar esta desventaja al tiempo que proporcionan resultados mejorados con modelos simples son de especial interés. Muchos trabajos de investigación se han centrado en enfoques específicos de juntas, como se refleja en la literatura. Este artículo presenta un modelo de viga generalmente mejorado. Este modelo se caracteriza por tener 4 nodos, 12 elementos elásticos y 1 viga, en contraste marcado con los elementos de viga convencionales que constan meramente de 2 nodos y 1 elemento. Este modelo innovador mejora la adaptabilidad de las estructuras modeladas a nivel de la junta. Es crucial contar con una metodología para la estimación precisa de los elementos elásticos a nivel de la junta. Este artículo explora las capacidades de las redes neuronales artificiales para predecir los valores de rigidez derivados de los desplazamientos calculados en puntos específicos dentro de una estructura completa. Esta investigación proporciona un análisis completo de la metodología propuesta mostrando las limitaciones significativas encontradas para las redes neuronales artificiales al predecir valores derivados de la metodología de elementos finitos (FEM). Los resultados y hallazgos obtenidos en el artículo sirven como una referencia valiosa abriendo el camino para futuros estudios que involucren modelos de elementos finitos y redes neuronales artificiales.