L’ANN è caratterizzato da una struttura dove la semplicità o complessità della rete è un fattore importante per ottenere un'efficace capacità di generalizzazione. (Kermani et al., 2005; Teodoride, 2015) Ci sono diversi tipi di strutture e la scelta appropriata di esse è impegnativa contengono insiemi di parametri diversi \cite{ZARRA2019105189}\cite{belgiorno} . La rete neurale completamente connessa o stratificata (LNN) è un'operazione lineare in cui i nodi di input sono collegati a ciascun nodo di output in base al peso seguito da una funzione di attivazione non lineare (Mehrota e Mohan, 1997). Le reti neurali modulari (MNN) sono una combinazione di strutture in cui piccole reti neurali si fondono per risolvere un problema, questo potrebbe essere un approccio promettente per eliminare i minimi locali che si incontrano comunemente nelle grandi reti neurali (Rossi, 1996; Tseng e Almogahed, 2009; Watanabe et al., 2017). Le reti neurali feedforward (FFNN) altrimenti note come percettroni multistrato (MLP) sono progettate per far viaggiare il segnale in una direzione,da nodi di input a nodi di output passando attraverso strati nascosti senza feedback dei nodi precedenti (Dharwal e Kaur, 2016). Queste sono le reti più utilizzate utili per la previsione, l'approssimazione delle funzioni e le applicazioni di classificazione (Gardner e Dorling, 1997). Gli RNN sono potenti ma molto difficili da addestrare (Lipton et al., 2015).