El reconocimiento automático de lenguaje de señas es una temática actual de sumo interés dentro del reconocimiento de gestos humanos. Por un lado, su complejo campo de aplicación presenta un desafío que requiere la intervención de diferentes áreas del conocimiento como el procesamiento de video, de imágenes, los sistemas inteligentes y la lingüística. Por otro lado, la correcta clasificación de las señas podría facilitar la traducción e integración a personas con discapacidad auditiva. El presente trabajo tiene dos principales aportes: por un lado la confección de una base de datos de configuraciones de manos del Lenguaje de Señas Argentino (LSA), temática prácticamente no encontrada en el estado del arte. En segundo lugar, el procesamiento de las imágenes, extracción de descriptores y posterior clasificación de la configuración por medio de una adaptación supervisada de los mapas auto-organizativos llamada ProbSom. Dicha técnica se compara con otras del estado del arte como Máquinas de Soporte Vectorial (SVM), Random Forest, y Feedfor- ward Neural Networks. La base de datos desarrollada contiene 800 imágenes con 16 configuraciones de LSA lo que permite ser un paso inicial hacia la confección de una base de datos de señas argentinas completa. A su vez, la extracción de características propuestas sumadas al clasificador neuronal demostraron ser sumamente eficaces, con una tasa de acierto superior al 90 %.XVI Workshop Agentes y Sistemas Inteligentes (WASI)Red de Universidades con Carreras en Informática (RedUNCI)