La inteligencia artificial ha cobrado mucha importancia en los últimos años a raíz de la infinidad de oportunidades y puertas que abre para el desarrollo de herramientas a disponibilidad de todo el mundo. Esta permite llevar a cabo tareas de cálculo, reconocimiento u otras que ni siquiera el propio creador del modelo conoce de primera mano, extrayendo información que al ojo humano o con las herramientas de análisis actuales no se es capaz de detectar. Esta tecnología es muy flexible, ya que puede ser aplicada prácticamente en cualquier ámbito de trabajo para facilitar el día a día de sus usuarios. Desde CEIT, Centro de Estudio e Investigaciones Técnicas de Guipúzcoa, se propuso el diseño de un modelo de inteligencia artificial capaz de diferenciar entre múltiples tags RFID. Para ello, los doctorandos Jafait Junior Fodop Sokoudjou y César Fernando Arenas Prado realizaron un estudio de los posibles modelos de machine learning para esta aplicación e implementaron un sistema funcional capaz de diferenciar con gran exactitud los distintos tags. Como etapa final de este proyecto, se plantea la tarea de estudiar alternativas a la herramienta implementada con el fin de reforzar las decisiones y los resultados obtenidos. En esta memoria se recoge la arquitectura del modelo de autoencoder ideado para la eliminación de ruido en el espectrograma de entrada, donde se presentan ejemplos de comparativas entre entrada y salida de dicho modelo de aprendizaje profundo. Tras esto, se utilizará el modelo de clasificación CNN ideado en la memoria del Proyecto de Fin de Máster en Ingeniería de Telecomunicaciones y se comparará el rendimiento del sistema de clasificación con imágenes originales y con las imágenes de ruido reducido.