Una topología de red bien diseñada es vital para el encaminamiento, la fusión de datos y el seguimiento de objetivos en redes de sensores inalámbricos (WSN). La red neuronal de mapa de características de autoorganización (SOFM) es una rama importante de las redes neuronales artificiales, que tiene características de autoorganización y autoaprendizaje. En este trabajo, proponemos un algoritmo de control topológico basado en clusters para WSNs, denominado SOFMHTC, que utiliza la red neuronal SOFM para formar una estructura de red jerárquica, completa la selección de cabezas de cluster mediante el aprendizaje competitivo entre nodos, y tiene en cuenta la energía residual de los nodos y la distancia a los nodos vecinos en el proceso de clustering. Además, se adopta el enfoque de ajustar dinámicamente la potencia de transmisión de los nodos cabeza de clúster para optimizar la topología de la red. Los resultados de la simulación muestran que SOFMHTC puede obtener un mejor rendimiento energético y realizar un consumo de energía más equilibrado en comparación con algunos algoritmos existentes en las WSN.