در مقاله حاضر از روش ماشین یادگیری شدید برای مدل سازی نرخ انتقال مواد در فرآیند EDC به عنوان پارامتر تاثیرگذار بر سرعت انجام فرآیند و کیفیت سطح بوجود آمده، استفاده شده است. میزان میانگین مربعات خطا (MSE) برای نرخ انتقال مواد در داده های آموزش 387, 000/0 و در داده های آزمون 7, 001/0 با استفاده از مدل شبکه عصبی ماشین یادگیری شدید بدست آمده است. همچنین، مقدار میانگین مربعات خطا برای متوسط ضخامت لایه بازنشانی شده در داده های آموزش 214, 000/0 و در داده های آزمون 7, 001/0 محاسبه شده است. الگوریتم ارایه شده ماشین یادگیری شدید با نتایج تجربی از دقت بالایی در پیشبینی پارامترهای خروجی فرآیند برخوردار است.