Se ha reconocido que la volatilidad en los mercados de materias primas fluctúa significativamente dependiendo de la relación entre la oferta y la demanda y del riesgo geopolítico, y que la gestión de riesgos y financieros utilizando derivados multivariantes está cobrando cada vez más importancia. Este estudio ilustra una aplicación de redes neuronales multicapa para problemas de valoración de opciones bermudianas multidimensionales asumiendo un modelo de volatilidad estocástica de múltiples activos en los mercados de materias primas. Además, nuestro objetivo es identificar funciones de valor de continuación para estos problemas de valoración de opciones implementando funciones de activación suaves en las redes neuronales y evaluando su precisión en comparación con otras funciones de activación o técnicas de regresión. Primero, expresamos la dinámica del activo subyacente utilizando el modelo de volatilidad estocástica de múltiples activos con propiedades de reversión a la media en el mercado de materias primas y formulamos el problema de valoración de opciones de materias primas bermudianas multivariantes. Posteriormente, aplicamos perceptrones multicapa en la red neuronal para representar las funciones de valor de continuación de las opciones de materias primas bermudianas, donde toda la red neuronal se entrena utilizando el método de simulación de Monte Carlo por mínimos cuadrados. Finalmente, realizamos experimentos numéricos y demostramos que las aplicaciones de redes neuronales para opciones bermudianas en un mercado de materias primas multidimensional logran una precisión suficiente con respecto a varios aspectos, incluyendo el cambio de las fechas de ejercicio, el número de capas/neuronas y la dimensión del problema.