Debido al rápido desarrollo en tecnología de la información tanto en hardware como en software, las redes neuronales profundas para regresión se han vuelto ampliamente utilizadas en muchos campos. La optimización de las redes neuronales profundas para regresión (DNNR), incluyendo la selección de preprocesamiento de datos, arquitecturas de red, optimizadores y hiperparámetros, influyen enormemente en el rendimiento de las tareas de regresión. Por lo tanto, este estudio tuvo como objetivo recopilar y analizar la literatura reciente en torno a DNNR desde el aspecto de la optimización. Además, se investigaron varias plataformas utilizadas para realizar modelos DNNR. Este estudio tiene varias contribuciones. En primer lugar, proporciona secciones para la optimización de modelos DNNR. Luego, se enumeran y analizan los elementos de la optimización de cada sección. Además, este estudio ofrece perspectivas y problemas críticos relacionados con la optimización de DNNR. Optimizar los elementos de las secciones simultáneamente en lugar de individualmente o secuencialmente podría mejorar el rendimiento de los modelos DNNR. Por último, se proporcionan posibles y potenciales direcciones para futuros estudios.