Este artículo presenta un nuevo enfoque para simplificar el diseño de un amplificador de potencia de clase-E utilizando modelado híbrido de red de optimización neuronal artificial. El amplificador de clase-E está diseñado para aplicaciones de transferencia de energía inalámbrica (WPT) que se utilizarán en dispositivos biomédicos o de internet de las cosas (IoT). Los modelos de redes neuronales artificiales (ANN) se combinan con algoritmos de optimización para respaldar el diseño del amplificador de clase-E. En varios circuitos amplificadores, las ecuaciones en forma cerrada no se pueden extraer. Por lo tanto, se necesitan cálculos numéricos complicados para encontrar los valores de los elementos del circuito y luego diseñar el amplificador. Por lo tanto, por primera vez, en este artículo se propone el modelado de ANN para predecir los valores de los elementos del circuito sin usar ecuaciones complejas. En comparación con otros modelos similares, se ha obtenido una alta precisión para el modelo propuesto con errores absolutos medios (MAEs) de 0.0110 y 0.0099, para resultados de entrenamiento y prueba. Además, se han logrado errores cuadráticos medios (RMSE) de 0.0163 y 0.0124 para resultados de entrenamiento y prueba para el modelo propuesto. Además, se han obtenido los errores relacionados con el mejor y el peor caso de 0.001 y 0.168, respectivamente, para ambos ejemplos de diseño en diferentes frecuencias, lo que muestra la alta precisión del método de diseño de ANN propuesto. Finalmente, se presenta un diseño de amplificador de potencia de clase-E utilizando los valores de los elementos del circuito que, primero, se extrajeron mediante los análisis y, segundo, se predijeron mediante ANN. Las eficiencias de drenaje calculadas para los amplificadores de clase-E diseñados se obtuvieron iguales a 95.5% y 91.2% utilizando datos de análisis y datos predichos por ANN propuestos, respectivamente. La comparación entre los valores reales y predichos muestra un buen acuerdo.