Hoy en día, la necesidad de incorporar la tecnología para facilitar y automatizar procesos ha dirigido las líneas de investigación a explorar los campos de la inteligencia artificial, así como mejorar la efectividad del uso de las señales mioeléctricas procedentes de una mano al ejecutar distintos movimientos. La incorporación de la inteligencia artificial en la clasificación de las señales mioélectricas ha conseguido diversas aplicaciones en diferentes áreas, no solo en el ramo médico sino tambien lo es en el área de rehabilitación, medicina de deporte y bioprótesis, si no que el alcance de su aplicación podría bien ser de entretenimiento, como lo puede ser en el control de drones. Los movimientos de una mano humana son considerablemente difíciles de clasificar debido a su estrecha similitud que existe entre cada uno de los diferentes movimientos que puede realizar, de todos los movimientos se seleccionaron 10 de los más importantes, que van desde la apertura y cierre del puño hasta movimientos finos como la pinza entre el dedo índice y el pulgar. En esta investigación, la combinación de un método de inteligencia artificial basado en SVM (Support Vector Machine) y el uso de tres Kernel distintos, ha ampliado el panorama comparando el desempeño de los distintos Kernel, con la naturaleza de las señales mioélectricas.