شکل پذیری ، معرف میزان قابلیت ساختار نساجی برای باقی ماندن به حالت دو بعدی و صاف، بدون هیچ گونه تغییر شکل در بعد سوم می باشد. به دلیل تمایل بشر برای داشتن پوشاکی راحت و با کیفیت، موضوع شکل پذیری از جایگاه ویژه ای در صنعت نساجی برخوردار می باشد. در راستای تحقق این هدف بررسی های زیادی بر روی شکل پذیری منسوجات صورت گرفته است. هدف از انجام این پروژه استفاده از شبکه عصبی به عنوان یک تکنیک برای پیش بینی تاثیر طرح دوخت بر میزان شکل پذیری و استحکام منسوجات بی بافت چند لایه می باشد. پارامترهای ورودی به شبکه طرح دوخت ، طول لبه آزاد و وزن واحد سطح و خروجی شبکه شکل پذیری و استحکام بی بافت دوخته شده می باشد. شبکه عصبی طراحی شده شامل یک لایه پنهان با 4 نرون است و از الگوریتم آموزشی پس انتشار جهت آموزش شبکه استفاده شده است. مقایسه نتایج حاصل از آزمایشات با نتایج پیش بینی شده توسط شبکه عصبی نشان داد که شبکه عصبی مصنوعی یک روش موثر برای پیش گوئی شکل پذیری و استحکام منسوجات منسوج بی بافت دوخته شده می باشد. همچنین قابلیت پیش بینی شبکه عصبی برای طرح دوخت های جدید که در آموزش شبکه از آن ها استفاده نشده بود نیز به طور جداگانه بررسی شد. نتایج نشان داد که ضریب همبستگی بین مقادیر واقعی و پیش بینی شده توسط شبکه عصبی برای پارامتر شکل پذیری برابر با 0.96 و برای پارامتر استحکام برابر با 0.93 می باشد

در این تحقیق، که به کمک روش فعالسازی نوترونی انجام شده است، 11 عنصر تحت تابش نوترون قرار گرفتند. مدت زمان تابش نوترون برای هر یک از عناصر به نیمه عمر آن پس از فعال شدن بستگی دارد. برای اطمینان از این که عنصر مورد نظر به حالت اشباع رسیده است در حدود 5 الی 6 برابر نیمه عمر رادیو نوکلید فعال شده، در معرض تابش نوترون قرار می گیرد. پس از برداشتن عنصر مورد نظر از مقابل چشمه نوترون انرژی گاماهای گسیل شده از آنها و نیز مقدار فعالیت این عناصر را با در نظر گرفتن زمان سپری شده میان چشمه نوترون و آشکارساز، اندازه گیری می کنیم. برای شبیه سازی این مراحل از کد mcnpx و چند برنامه فرترن به این شرح استفاده کردیم. برای محاسبه آهنگ تولید هسته ها در مقابل چشمه نوترون از کد mcnpx، و برای در نظر گرفتن احتمال واپاشی عنصر مورد نظر در مقابل چشمه نوترون و در مقابل آشکارساز، از دو برنامه فرترن استفاده می کنیم. نتیجه به دست آمده از این مراحل مقدار فعالیت عنصر(پولک) مورد نظر است. برای محاسبه مقدار انرژی نیز می توانیم از mcnpx استفاده کنیم. از مقایسه نتایج تجربی و شبیه سازی، مقدار انرژی در عناصر مختلف تطبیق بسیار خوبی را مشاهده می کنیم. اما در مورد مقدار فعالیت نیاز به بررسی بیشتری داریم.