Este artículo presenta un modelo para estudiar experimentalmente los factores de éxito de la reutilización de redes neuronales preentrenadas. Los resultados experimentales muestran que la correlación entre dos tareas desempeña un papel importante en el éxito de la reutilización de modelos preentrenados. Cuanto mayor sea la correlación entre las tareas, mayor será la tasa de éxito de la reutilización. Incluso sin correlación, se puede obtener un buen rendimiento aleatoriamente, dependiendo de la elección de las redes preentrenadas y los optimizadores. Cuando la correlación entre las tareas es baja, resulta ventajoso reutilizar solo las capas inferiores, y el número de capas a reentrenar puede ser un indicador de la correlación entre las tareas y las características. Finalmente, demostramos que, en escenarios reales, si existe una correlación semántica entre dos tareas, las redes preentrenadas pueden reutilizarse eficazmente.