Как обучить нейронную сеть/сети распознавать кривую?

Любую кривую можно представить как график Y=f(x), где х - может быть одной или совокупностью функций.
Теперь надо определиться с тем, что будем понимать, под "распознаванием кривой".
Предлагаю 2 варианта:

1 - Аппроксимация функции на участке [x0, xn], т.е. приближенный расчет значений функции на определенном участке (имея например пары значений:
x = 0, y = 0.0346
x = 1, y = 0.0967
x = 2, y = 0.1124
……
x = 99, y = 0.9987),  вычислить у для х = 8,65
2 - Экстраполяция, приближённое определение значений функции f(x)

в точках, лежащих вне отрезка [x0, xn], по ее значениям в точках х0<x1<…  <xn, т.е. фактически "предсказать" значение функции в точках  х(n+1), x(n+2)  и т.д.

С этими задачами нейросеть справляется легко.
Вот пример - есть некоторая кривая (синяя линия), нам известна только та часть, которая сейчас находится в красном прямоугольнике, та которая в зеленом прямоугольнике - еще "не случилась".
Сможет ли нейросеть предсказать значения кривой в будущем времени (экстраполировать эту кривую)?     

Да, с этим справляется даже нейромодель из 1 нейрона.
Для этого надо обучить модель на датасете из значений данных, которые нам известны (красный прямоугольник), и посмотрим-ка, какие значения предскажет модель для следующих временных значений?

/Оранжевая линия - предсказанные значения/
Довольно близко, не? И это был только один нейрон.