Se ha dedicado mucho esfuerzo a transferir de manera eficiente diferentes algoritmos de aprendizaje automático, y especialmente redes neuronales profundas, a dispositivos periféricos para cumplir, entre otros, con problemas de tiempo real, almacenamiento y consumo de energía. Los recursos limitados de los dispositivos periféricos y la necesidad de ahorro de energía para prolongar la durabilidad de sus baterías, han fomentado una tendencia interesante en la reducción de redes neuronales y gráficos, manteniendo casi intacta su capacidad predictiva. En este trabajo, se propone una alternativa a las últimas técnicas para encontrar estas reducciones en el tamaño de las redes, buscando encontrar una forma simplista de reducir las redes manteniendo, en la medida de lo posible, su capacidad predictiva probándolas en conjuntos de datos bien conocidos.