O Brasil é um dos maiores produtores mundiais de cana-de-açúcar o que impacta diretamente a geração de empregos e o produto interno bruto do país. Neste sentido, esta investigação propõe a aplicação de redes neurais artificiais - perceptron de múltiplas camadas (MLP), máquinas de aprendizado extremo (ELM) e redes neurais com estados de eco (ESN) - para a previsão preços de derivados de cana: açúcar, etanol hidratado e etanol anidro. As ELMs e ESNs são caracterizadas por um processo de treinamento simples e eficiência computacional, aliados a bons desempenhos, sendo a primeira uma arquitetura feedforward, como a MLP, enquanto a outra é recursiva. Os resultados computacionais obtidos mostram que a ELM além de apresentar baixo custo computacional é também a que alcança os melhores desempenhos gerais para o problema proposto.