O presente trabalho tem como objetivo desenvolver um sistema inteligente hibrido para auxiliar na otimização da arquitetura de redes neurais artificiais do tipo Perceptron multicamadas e compará-lo com o método empírico. As redes foram treinadas para classificar sinais eletromiográficos de movimentos da mão, tratados utilizando Transformadas Wavelets Packet da família Haar. Os parâmetros internos da topologia da RNA escolhidos para otimização, foram os que possuem maior influência na classificação dos dados, sendo eles: número de camadas escondidas, quantidade de neurônios por camada e a taxa de aprendizado. Desta forma, o algoritmo bioinspirado de Otimização por Enxame de Partículas é utilizado de forma que auxilie a RNA no processo de escolha da topologia que melhor se adeque ao conjunto de dados a serem classificados. Como resultado, foi obtido um sistema de otimização capaz de auxiliar o projetista responsável pelo desenvolvimento de Redes Neurais Artificiais na obtenção de melhores resultados em seus trabalhos, principalmente em problemas específicos, com ganhos significativos em relação ao método empírico.