O presente trabalho tem como objetivo final fazer uma replicação dos trabalhos de reconhecimento de fonemas previamente gravados através de Redes Neurais Artificiais (RNA) usando a ferramenta TensorFlow (TF) - que agrega bibliotecas como NumPy e usa a linguagem Python. Para facilitar o entendimento da ferramenta da arquitetura da rede, dados sintéticos foram gerados a partir de funções gaussianas em um plano bidimensional (gerando como entrada vetores de duas dimensões) para duas classes distintas (usou-se também vetores de duas dimensões para a saída da rede). Essas classes apresentaram graus distintos de sobreposição que foram controlados de modo a avaliar a capacidade de reconhecimento das RNAs. A partir de uma rede neural perceptron de multicamadas, variou-se o número de camadas escondidas e o número de seus neurônios com uma taxa de aprendizagem e épocas de treinamento fixas de 0.001 e 300, respectivamente. Os resultados mostraram que os dados com alta sobreposição tem o melhor desempenho com 1 camada escondida de 50 neurônios obtendo uma acurácia de em média 88.6% e erro em média de 0.297. Entretando, para a classe com pouca sobreposição obteve-se uma acurácia de 97%, e erro de 0.1324, sem a necessidade de camadas escondidas.