Do przewidywania efektywnej przewodności cieplnej kompozytów polimerowych wypełnionych metalem zastosowano trójwarstwową sieć neuronową z propagacją wsteczną która jest w pełni połączona z kolejną warstwą poprzez wagi połączeń. Jako parametry wejściowe wykorzystano ułamki objętościowe i przewodności cieplne faz ciągłych i rozproszonych a uzyskano dane wyjściowe w postaci efektywnej przewodności cieplnej kompozytów polimerowych. Wynikowe przewidywania efektywnej przewodności cieplnej za pomocą różnych funkcji treningowych sztucznej sieci neuronowej dobrze zgadzają się z dostępnymi danymi eksperymentalnymi. Różne funkcje treningowe sztucznej sieci neuronowej wykazują zdolność do wykorzystania sztucznych sieci neuronowych do przewidywania efektywnej przewodności cieplnej różnych typów dostosowanych złożonych materiałów.