Este artículo presenta el desarrollo de un control neuronal basado en el modelo inverso para el sistema hidráulico multivariable de nivel y caudal de la Universidad Surcolombiana. Con este propósito, se evalúa el grado de acoplamiento entre las variables a controlar a través del método de la matriz de ganancias relativas (RGA), se realiza el modelamiento del sistema y se implementan los controladores en MatLab haciendo uso del Neural Network Toolbox y de Simulink como interfaz de monitoreo y control. El rendimiento del control es evaluado mediante simulaciones y pruebas en tiempo real. La comparación del desempeño del control neuronal frente al control difuso se realiza evaluando tres parámetros: sobreimpulso, error en estado estacionario y tiempo de establecimiento. Los resultados obtenidos demuestran un mejor desempeño frente al controlador fuzzy desarrollado previamente para el mismo sistema. Se evidencia que el error en estado estacionario disminuye notablemente dado que el porcentaje de error máximo es de 0.01% y 0.003% por redes neuronales y de 3% y 1.75% por control difuso, para nivel y caudal respectivamente. En cuanto al sobreimpulso, aunque en el control difuso es mínimo, el control por redes neuronales lo elimina en las dos variables controladas. Para el tiempo de establecimiento se observa que el control neuronal también mejora considerablemente para las dos variables.