В роботі проведено визначення структури штучної нейронної мережі (ШНМ), необхідної кількості даних для навчання та алгоритмів їх обробки для забезпечення здатності мережі розпізнавати залежності між структурою композиційного матеріалу та кількісними параметрами його деформованого стану при заданому навантаженні із досягненням прийнятної точності. Для тестування мережі використана задача про визначення прогину тришарової (скло-плівка-скло) ламінатної пластини з широким діапазоном зміни фізико-механічних характеристик і геометричних розмірів в умовах триточкового згину. Показано, що найбільш ефективною є ШНМ, що складається з двох прихованих шарів з 12 і 6 вузлами у шарах відповідно при обробці даних на основі алгоритму Левенберга-Марквардта. При цьому похибка отриманих результатів лежить в межах 0,5% для даних з діапазону, використаного для тренування мережі і в межах 5% для даних поза межами цього діапазону.