我目前正在尝试决定我应该选择哪种类型的神经网络来完成以下任务：
首先想象以下问题设置：
我们正在研究具有规定运动模式（横向以及周期性旋转/摆动运动）的 2D 翼型。这意味着由翼片产生的升力和阻力将表现出某种与翼片的拍打运动相关的谐波行为。
对于与所选几何参数中的训练数据不同的翼型几何形状，神经网络应该能够在一个扑动运动周期内估计翼型升力（或阻力）的行为。目前我可以设想两种方法来解决这个问题（必须使用某种神经网络方法）
1) 使用标准前馈神经网络，其输出参数是扑动周期离散点的升力/阻力。根据升力/阻力曲线的复杂性，将需要许多输出参数。输入参数是几何参数，例如弦长/弯度/...
2) 使用循环神经网络来捕捉时间进程。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可以通过 RNN 解决。
对于有关该问题的任何建议，我将不胜感激！
此致，
鲍勃