Este trabajo presenta un algoritmo para realizar navegación autónoma en naves espaciales utilizando datos de magnetómetros a bordo durante interrupciones del GPS. Un Filtro de Kalman Extendido (EKF) que explota mediciones del campo magnético se combina con una Red Neuronal Feedforward de Capa Oculta Única (SLFN) entrenada a través de la Máquina de Aprendizaje Extremo para mejorar la precisión de la estimación del estado. La SLFN se entrena utilizando datos de GPS cuando están disponibles y predice la corrección del estado que se aplicará a las estimaciones del EKF. El modelo de campo magnético CHAOS-7 se utiliza para generar las mediciones del magnetómetro, mientras que un modelo IGRF de 13º orden es explotado por el EKF. Las pruebas con datos simulados mostraron que el algoritmo mejoró la estimación del estado proporcionada por el EKF en un factor de 2.4 durante un total de 51 días cuando se entrenó con 5 días de datos de GPS.