El presente estudio tiene como objetivo elucidar las principales variables que aumentan el nivel de estrés al comienzo del servicio militar de reclutamiento utilizando un modelo de predicción basado en una red neuronal artificial (ANN). Se obtuvieron datos de muestra aleatorios de un batallón de las Fuerzas Armadas de Lituania, y se realizó una encuesta para generar datos para el entrenamiento y prueba de los modelos de ANN. Utilizando la no linealidad en la investigación del estrés, se construyeron y verificaron numerosas estructuras de ANN para limitar el número óptimo de neuronas, capas ocultas y funciones de transferencia. La mayor precisión se obtuvo con la red neuronal de perceptrón multicapa (MLPNN) con una partición de 6-2-2. Se utilizó un método de reescalado estandarizado para las covariables. Para la función de activación, se utilizó la tangente hiperbólica con 20 unidades en una capa oculta, así como el algoritmo de retropropagación. El mejor modelo de ANN se determinó como el modelo que mostró el menor error de entropía cruzada, la tasa de clasificación correcta y el área bajo la curva ROC. Estos hallazgos muestran, con alta precisión, que la cohesión en un equipo y la adaptación a las rutinas militares son dos elementos críticos que tienen el mayor impacto en el nivel de estrés de los reclutas.