Las redes neuronales se han utilizado ampliamente como modelos compensatorios para el diseño de control de aeronaves y como modelos sustitutos para otras optimizaciones. En el caso de las aeronaves de rotor inclinado, el número total de estados y controles de la aeronave es mucho mayor que el de las alas fijas tradicionales y los helicópteros. Esto requiere, en general, una gran cantidad de datos de entrenamiento para que la red alcance una precisión de aproximación satisfactoria y hace que el tamaño de la red aumente considerablemente. Para resolver el problema práctico de reducir el tamaño de la red de aproximación, se deben hacer esfuerzos en la utilización eficiente de la cantidad limitada de datos de entrenamiento. Este trabajo presenta la metodología de optimización del patrón de muestra del conjunto de datos de entrenamiento mediante la adopción del algoritmo metaheurístico del optimizador de enjambre de partículas mejorado por el algoritmo de Runge-Kutta de cuarto orden. Se deriva un modelo de dinámica de vuelo no lineal de 6 grados de libertad de la aeronave de rotor inclinado, junto con su red neuronal de función de base radial de aproximación. Se estudia un caso de ejemplo de aproximación de una función altamente no lineal para ilustrar el principio y los principales parámetros del optimizador, y el rendimiento de aproximación de la respuesta en el dominio del tiempo del sistema no lineal inestable se revela mediante el estudio de un oscilador de Van der Pol. Luego, se aplica el método presentado a la aeronave de rotor inclinado modelada para sus modos de conversión temprana y tardía. El esquema de optimización muestra una gran mejora en ambos casos, ya que el error de aproximación de la función se reduce significativamente.