Resumen
As capacidades de interpolação de redes perceptron multicamada (MLP) foram utilizadas para resolver um sistema de equações diferencias ordinárias que modela um reator não-adiabático com leito fixo e dispersão axial. As metodologias descritas neste artigo seguem as propostas por Lagaris et al. (1998, 2000), estendidas para modelos com condições de contorno mistas e pelo uso do método da penalidade para converter o problema de otimização original de restrito para irrestrito no treinamento das redes MLP. Os resultados são compatíveis com aqueles apresentados em Luize e Biscaia (1991), que foram obtidos com técnicas numéricas já consagradas, como elementos finitos e colocação ortogonal. O método de neuro-interpolação adotado neste artigo é de fácil manuseio se comparado com os métodos clássicos para solução numérica de equações diferenciais, particularmente para sistemas diferenciais não-lineares, e define uma aproximação global, na forma analítica, para a solução de problemas.