En el Perú, las prótesis de mano con alta destreza son adquiridas casi exclusivamente mediante la importación, lo que conlleva altos costos y tiempos de espera. Asimismo, los desarrollos nacionales en el tema han tenido un enfoque de control de agarre simple, limitando el potencial que puede ofrecer el diseño mecánico. Con el fin de aumentar la destreza de este tipo de prótesis, el trabajo de investigación pretende diseñar un sistema de control mioeléctrico con clasificación en tiempo real de movimientos manuales basado en Deep Learning. El sistema de control propuesto consta de 3 subsistemas: adquisición, para capturar señales electromiografías (EMG) de 5 movimientos manuales relacionadas a las actividades de la vida diaria (AVD); procesamiento, para estandarizar, filtrar y convertir las señales en imágenes (escalogramas) utilizando la Transformada Wavelet Compleja (CWT);...