El objetivo del presente trabajo es clasificar los 27 gestos del alfabeto de señas colombiano, mediante un clasificador de redes neuronales artificiales a partir de señales electromiográficas. El clasificador fue diseñado en cuatro fases: 1) Adquisición de señales electromiográficas provenientes de los ocho sensores de la manilla Myo Armband, 2) Extracción de características de las señales electromiográficas empleando la transformada Wavelet de Paquetes, 3) Entrenamiento de la red neuronal y 4) Validación del método de clasificación utilizando la técnica de validación cruzada. Para el presente estudio se adquirieron registros de señales electromiográficas de 13 sujetos con discapacidad auditiva. El clasificador presentó un porcentaje de precisión promedio de 88,4%, muy similar a otros métodos de clasificación presentados en la literatura. El método de clasificación puede ser escalado para clasificar, adicional a los 27 gestos, el vocabulario de la lengua de señas colombiana.