La existencia de distintos trabajos de investigación en reconocimiento automático del llanto realizados en otros países y el hecho que el análisis acústico ha tomado mayor importancia en los últimos años, son antecedentes necesarios que invitan a innovar y desarrollar un proyecto de clasificación de tipos de llantos de bebés. El interés por un sistema de clasificación surge de la necesidad de demostrar que el análisis del llanto es una herramienta para determinar el estado anímico y/o fisiológico del bebé. Estas investigaciones han ido ganando importancia a través del tiempo, debido a que el llanto es el medio con el que un bebé cuenta para comunicarse con el mundo exterior, además para personas con poca experiencia es difícil poder descifrar cual es la causa del llanto y aún más poder hacer un diagnóstico. Este trabajo presenta la clasificación de llanto de bebés hasta los siete meses de vida, utilizando redes neuronales artificiales, para la identificación de señales de llantos, tales como, dolor, hambre, sordera, asfixia, baño y normal, del total de llantos, cerca de ciento setenta de estos llantos se usaron como muestras para entrenar el mapa y sesenta de ellos para verificar el aprendizaje. Para esta clasificación se utilizó una de las técnicas más conocidas en la extracción de características de señales, la de Coeficientes de Predicción Lineal (LPC) y se experimentó tanto con la cantidad de coeficientes LPC, como con la cantidad de neuronas del Mapas AutoOrganizado. En esta tesis de investigación se exhiben los resultados de la experiencia en reconocimiento de llanto de un bebé, tomando como patrones los llantos y utilizando como método de clasificación una red neuronal de Kohonen, luego de una fase de prueba y entrenamiento, produce con un poco más de doscientas neuronas un aceptable resultado de reconocimiento del llanto con un porcentaje sobre el 75% lo que indicaría que la red utilizada y el procesamiento de la señal ha sido adecuado.