La mayoría de la literatura relacionada con las redes neuronales artificiales se enfoca en aplicaciones específicas y sus resultados en lugar de una metodología para diseñarlas y entrenarlas. Determinar un conjunto apropiado de valores de parámetros estructurales y de aprendizaje de una red neuronal artificial, aún sigue siendo una tarea difícil. Actualmente, existe un conocimiento teórico y práctico limitado para seleccionar estos parámetros. La metodología de diseño robusto es un método que permite alcanzar este objetivo. Es una técnica estadística que se puede utilizar para identificar de forma sistemática las selecciones óptimas de dichos factores para obtener la salida deseada. Empleando una estrategia sistemática y experimental denominada "metodología de diseño robusto de redes neuronales artificiales", se diseñó un conjunto de arquitecturas de red, seleccionando entre todas, aquella capaz de reconstruir espectros de neutrones a partir de las tasas de conteo provenientes de un espectrómetro de Esferas Bonner como únicos datos de entrada. Como lo demuestran los resultados, la red seleccionada con esta metodología muestra alto desempeño y capacidad de generalización.