Este documento estudia una red neuronal artificial de aprendizaje profundo (DLANN) de -capas para opciones europeas de múltiples activos. En primer lugar, se construye una DLANN de -capas con pesos y sesgos indeterminados. En segundo lugar, de acuerdo con los valores terminales de la ecuación diferencial parcial (PDE) y los puntos que satisfacen la PDE de opciones de múltiples activos, se alimentan algunos datos discretos en la DLANN de -capas. En tercer lugar, utilizando el error cuadrático medio como función objetivo, los pesos y sesgos de la DLANN se entrenan adecuadamente. Con el fin de optimizar la función objetivo, se derivan cuidadosamente las derivadas parciales de los pesos y sesgos de la DLANN. Además, para mejorar la eficiencia computacional, se propone una DLANN de segmento de tiempo. Se presentan ejemplos numéricos para confirmar la precisión, eficiencia y estabilidad de la DLANN de -capas propuesta. Los ejemplos computacionales muestran que el error relativo de la DLANN es inferior a para diferentes números de activos. En el futuro, la DLANN de -capas se puede extender a opciones americanas, opciones asiáticas, opciones de tipo Lookback, y así sucesivamente.