En esta comunicación presentada, se presenta un nuevo diseño de redes de retropropagación de regularización bayesiana inteligente (IBRBNs) basadas en computación numérica estocástica. Se examina la dinámica del movimiento peristáltico de un fluido de tercer grado en un canal plano mediante IBRBNs utilizando la competencia de modelado de estructuras de múltiples capas de redes neuronales entrenadas con la capacidad de optimización eficiente del método de regularización bayesiana. El conjunto de datos de referencia utilizado como parámetros de entrada y objetivos de IBRBN ha sido obtenido a través del método numérico Adams de última generación. Los datos de la dinámica de la solución se crean para múltiples escenarios del modelo de transporte peristáltico variando la tasa de flujo volumétrico, los parámetros materiales de un modelo de fluido de tercer grado, la amplitud de onda y los ángulos de inclinación. Los IBRBNs integrados diseñados se construyen explotando operaciones de entrenamiento, prueba y validación en cada época a través de la optimización de una figura de mérito en el sentido del error cuadrático medio. La simulación exhaustiva de IBRBNs con comparación en el error cuadrático medio, histogramas e índice de regresión corroboró la precisión, estabilidad y confiabilidad para resolver el modelo de transporte peristáltico.