El reconocimiento del lenguaje de señas es una de las tareas más desafiantes de la era actual. La mayoría de los investigadores que trabajan en este ámbito se han centrado en diferentes tipos de implementaciones para el reconocimiento de señas. Estas implementaciones requieren el desarrollo de prototipos inteligentes para capturar y clasificar gestos de señas. Teniendo en cuenta los aspectos del diseño de prototipos, se han diseñado prototipos basados en sensores, basados en visión y basados en enfoques híbridos. Los autores de este documento han diseñado guantes de asistencia basados en sensores para capturar signos del alfabeto y dígitos. Estos signos son una fracción pequeña pero importante del diccionario de ASL ya que desempeñan un papel esencial en lo que es una estrategia lingüística firmada universal para expresar nombres personales, términos técnicos, vacíos en el léxico y énfasis. Se utiliza un algoritmo de retropropagación basado en gradiente conjugado escalado para entrenar una red neuronal totalmente conectada en un conjunto de datos auto recopilado de posturas estáticas aisladas de dígitos, caracteres alfabéticos y alfanuméricos. Los autores también analizaron el impacto de las funciones de activación en el rendimiento de las redes neuronales. La implementación exitosa de la red de reconocimiento produjo resultados prometedores para este pequeño conjunto de datos de gestos estáticos de dígitos, caracteres alfabéticos y alfanuméricos.