La caracterización y conocimiento de Cúmulos Abiertos permite conocer mejor propiedades y mecanismos del Universo tales como la formación de estrellas y las regiones donde se dan estos procesos. También permiten obtener información sobre procesos estelares y la evolución del disco galáctico. En este trabajo presentamos un método novedoso para caracterizar estos cúmulos. Nuestro método hace uso de un modelo basado en Redes Neuronales Artificiales. Más concretamente, adaptamos un modelo del estado del arte, el Deep Embedded Clustering (DEC), a nuestro problema. El método desarrollado tiene como objetivo mejorar las técnicas clásicas del estado del arte. Con nuestro método, no sólo mejoramos en términos de eficiencia de cálculo (consiguiendo menores requisitos computacionales), también mejoramos en usabilidad (reduciendo el número de hiperparámetros para conseguir una buena caracterización de los cúmulos analizados). Para nuestro experimentos, usamos la base de datos Gaia DR2 como fuente de datos, y comparamos nuestro modelos con el algoritmo de clustering K-Medias. Nuestro método consigue buenos resultados, siendo incluso mejor (en algunos casos) que las técnicas actuales.