Las redes neuronales artificiales se han utilizado en una multitud de aplicaciones en diversas áreas de investigación en las últimas décadas, proporcionando excelentes resultados tanto en la clasificación de datos como en el ajuste de datos. Su éxito se basa en la identificación efectiva (entrenamiento) de sus parámetros utilizando técnicas de optimización, y por lo tanto se han desarrollado una serie de métodos de programación para entrenar estos modelos. Sin embargo, muchas veces estas técnicas solo pueden identificar algunos mínimos locales de la función de error con resultados generales pobres o presentan problemas de sobreajuste en los que el rendimiento de la red neuronal artificial se reduce significativamente cuando se aplica a datos diferentes del conjunto de entrenamiento. Este manuscrito presenta un método para el entrenamiento eficiente de redes neuronales artificiales, donde se aplica una serie de algoritmos genéticos a los parámetros de la red en varias etapas. En la primera etapa, se realiza una identificación inicial del intervalo de valores de la red; en la segunda etapa, se mejora la estimación inicial del intervalo de valores; y en la tercera etapa, se lleva a cabo el ajuste final de los parámetros de la red dentro del intervalo de valores previamente identificado. El nuevo método fue probado en algunos problemas de clasificación y regresión encontrados en la literatura relevante, y los resultados experimentales se compararon con los resultados obtenidos mediante la aplicación de otros métodos bien conocidos utilizados para el entrenamiento de redes neuronales.