Se presenta el diseño e implementación de un control inteligente para sistemas no lineales de naturaleza estable de tipo SISO, involucrando al área de las redes neuronales artificiales de tercera generación. La identificación y control del sistema propuesto, se logra por medio de neuronas artificiales de tercera generación, y posteriormente se prueba dicha arquitectura bajo diferentes tipos de entrenamiento y modelos neuronales para comprobar su eficacia, esta propuesta va más allá de buscar solo la creación de un control adaptable aplicable a sistemas no lineales, sino que se busca que este control tenga un mejor desempeño contra los controles neuronales existentes hasta ahora. Se espera que esto ocurra pues las redes neuronales de tercera generación tienen una gran similitud con las redes neuronales biológicas, esto les da una gran velocidad de procesamiento y versatilidad a la adaptación, en comparación con sus antecesoras. Se presentan los resultados obtenidos bajo los siguientes casos: control de un sistema no lineal de primer orden. Entrenamiento: Algoritmo SpikeProp, Algoritmo Regla Delta Generalizada. Modelos: Perfect Integrate and Fire (PIF), Leaky Integrate and Fire (LIF), Izhikevich. Finalmente, se realizó una interfaz de usuario en la plataforma de Laboratorio de Instrumentación Virtual (LabVIEW) 2011, con la cual es posible implementar este tipo de redes neuronales artificiales a sistemas físicos, como lo es el motor de corriente directa y el péndulo invertido.