Artykuł dotyczy predykcji momentu obrotowego w warunkach quasi- statycznego odkształcania w układach z histerezą, zilustrowanej na przykładzie skrętnego tłumika z próżniowo upakowanymi granulatami (Vacuum Packed Particles Torsional Damper, VPPTD). Zastosowano zmodyfikowany model Bouca–Wena (rozszerzony o dodatkowe składowe tarcia suchego oraz nieliniowej sztywności), którego parametry uogólniono jako funkcje podciśnienia w komorze. Badania przeprowadzono na zbiorze danych zawierającym 𝑛 = 399 200 próbek wygenerowanych dla wielu konfiguracji podciśnienia i materiałów. Porównano pięć architektur sieci neuronowych, w tym model z pojedynczym wyjściem oraz warianty wielowyjściowe przewidujące pośrednie zmienne modelu Bouca–Wena przed estymacją momentu obrotowego 𝑀. Przeanalizowano dwie strategie redukcji danych wejściowych: (S1) wyłącznie parametry fizyczne modelu oraz (S2) minimalny zestaw sterujący (𝑝, materiał) rozszerzony o wybrane sygnały pośrednie. Selekcję cech przeprowadzono z wykorzystaniem korelacji dla pomiarów powtarzanych (rmcorr), grupowania metodą permutacji blokowej oraz analizy SHAP; strojenie hiperparametrów wykonano za pomocą Hyperopt. Najwyższą dokładność uzyskano dla strategii S2: architektura wielowyjściowa z połączeniami typu skip-connections osiągnęła MAE(𝑀) = 0,043 Nm (≈ 0,18%𝜎𝑀) dla pełnego zestawu zmiennych pośrednich (𝐼𝑁𝑉𝐼), natomiast przy wykorzystaniu jedynie czterech wejść {𝜑, sign(𝜑̇), 𝑝, materiał} (𝐼𝑁𝐼𝑉𝑏) utrzymano wartość MAE(𝑀) = 0,051 Nm (≈ 0,21%𝜎𝑀). Wykluczenie sygnałów dynamicznych (S1) zwiększało błąd do 0,38–0,61 Nm (≈ 1,6–2,5%𝜎𝑀). Testy odporności (szum Gaussowski, odwrócenie znaku sign(𝜑̇), maskowanie cech, wielokrotne podziały danych) potwierdziły większą stabilność konfiguracji 𝐼𝑁𝑉𝐼 oraz kluczową rolę zmiennej 𝜑 i poprawnego znaku 𝜑̇. Porównanie z klasycznymi regresorami (kNN, Random Forest, Gradient Boosting) wykazało, że choć w niektórych przypadkach były one konkurencyjne w warunkach szumu, nie zapewniały spójnej estymacji zmiennych pośrednich. Rekomendowanym rozwiązaniem jest architektura wielowyjściowa z połączeniami typu skip-connections; w zastosowaniach o ograniczonej dostępności czujników możliwe jest zastosowanie konfiguracji czterowejściowej, przy świadomym kompromisie w zakresie odporności modelu.