Para predecir la conductividad térmica efectiva de los compuestos poliméricos rellenos de metal se utiliza una red neuronal de retropropagación de tres capas que está totalmente conectada a la capa siguiente a través de los pesos de conexión. Las fracciones de volumen y las conductividades térmicas de las fases continua y dispersa se utilizaron como parámetros de entrada y se obtuvo una salida en forma de conductividad térmica efectiva de los compuestos poliméricos. Las predicciones resultantes de la conductividad térmica efectiva mediante las diferentes funciones de entrenamiento de la red neuronal artificial concuerdan bien con los datos experimentales disponibles. Las diferentes funciones de entrenamiento de la red neuronal artificial demuestran la capacidad de utilizar las redes neuronales artificiales para las predicciones de la conductividad térmica efectiva de varios tipos de materiales complejos adaptados.
