我目前正在尝试决定选择哪种类型的神经网络来完成以下任务：
首先想象一下以下问题设置：
我们正在研究具有规定运动模式的2D翼型（横向以及周期性旋转/拍打运动）。这意味着箔片产生的升力和阻力将显示出与箔片拍打运动相关的某种谐波行为。
神经网络应该能够在翼型几何形状的一个拍打运动周期内近似箔片的升力（或阻力）行为，该翼型几何形状与所选几何参数中的训练数据不同。 目前我可以设想两种解决方法（必须使用某种神经网络方法）
1）使用标准的前馈神经网络，其输出参数是在扑动周期的离散点处的升力/阻力。根据提升/阻力曲线的复杂性，需要许多输出参数。输入参数是几何参数，例如弦长/弧度/ ......
2）使用递归神经网络来捕捉时间进展。我不确定这是否需要或有意义，但大多数与时间序列相关的问题都是通过RNN来解决的。
我真的很感激有关这个问题的任何建议！
最诚挚的问候，
鲍勃