Comprender el rendimiento de flashover del aislador de alto voltaje al aire libre ha sido de interés para muchos investigadores recientemente. Se han realizado diversos estudios para investigar el voltaje crítico de flashover de los aisladores de alto voltaje al aire libre de forma analítica y en laboratorio. Sin embargo, los experimentos de laboratorio son costosos y consumen mucho tiempo. Por otro lado, los modelos matemáticos se basan en ciertas suposiciones que comprometen la precisión de los resultados. Este documento presenta un sistema inteligente basado en Redes Neuronales Artificiales (ANN) para predecir el voltaje crítico de flashover del caucho de silicona vulcanizado de alta temperatura (HTV) en condiciones de contaminación y humedad. Se utilizan varios tipos de algoritmos de aprendizaje, como Descenso de Gradiente (GD), Levenberg-Marquardt (LM), Gradiente Conjugado (CG), Cuasi-Newton (QN), Retropropagación Resiliente (RBP) y Retropropagación con Regularización Bayesiana (BRBP) para entrenar la ANN. El número de neuronas en las capas ocultas junto con la tasa de aprendizaje se varió para comprender el efecto de estos parámetros en el rendimiento de la ANN. La ANN propuesta fue entrenada utilizando datos experimentales obtenidos de una experimentación extensa en laboratorio bajo condiciones ambientales controladas. El modelo propuesto demuestra resultados prometedores y puede ser utilizado para monitorear aisladores de alto voltaje al aire libre. Se observó a partir de los resultados obtenidos que el cambio en el número de neuronas, tasas de aprendizaje y algoritmos de aprendizaje de la ANN cambian significativamente el rendimiento del algoritmo propuesto.