Os códigos de comprimento curto têm sido alvo de estudos recentes, em grande parte, devido às exigências de tecnologias emergentes por requisitos específicos de comunicação. a tecnologia 5g, por exemplo, visa atender serviços que demandam comunicação ultra-confiável e de baixa latência como é o caso de sistemas de transportes inteligentes, internet tátil e telecirurgia. nesses cenários de interesse, os códigos de comprimento muito longo são inapropriados devido ao requisito de latência, o que vem potencializando o interesse pela aplicação de códigos de comprimento curto. manifestando-se como um importante candidato para atender esses requisitos, os códigos bch, por sua vez, têm se defrontando com uma decodificação custosa quando se usa o algoritmo osd (ordered statistics decoder) que possui desempenho quase ótimo. recentemente, uma alternativa interessante aos algoritmos tradicionais de decodificação consiste no uso de decodificadores baseados em redes neurais. atrelado a esse contexto, apresenta-se nesta dissertação uma revisão acerca da evolução das propostas de decodificadores neurais, com enfoque às abordagens que fazem uso do conhecimento da síndrome do vetor recebido no processo de treinamento/inferência da rede neural. a partir de técnicas modernas no âmbito do aprendizado profundo, antigos e recentes trabalhos são revisitados e novas redes densas são propostas para lidar com a decodificação de códigos bch para os canais bsc e awgn. além disso, introduz-se um novo decodificador neural que também faz uso do conhecimento da síndrome. diferentemente das abordagens existentes, o decodificador proposto atua estimando, posição por posição, o padrão de erro através de uma rede neural previamente treinada, possuindo a vantagem de ser flexível em relação à rede empregada. de fato, para todos os códigos bch avaliados, o desempenho do decodificador proposto supera os melhores resultados da literatura vigente no contexto dos decodificadores baseados em redes neurais, inclusive, aproximando-se do desempenho ml para alguns casos.