La enfermedad por coronavirus 2019 (Covid-19) se ha identificado como transmitida entre humanos a través de gotas de aliento, tos y estornudos. Comprender el comportamiento de las gotas puede ser información crítica para evitar la transmisión de la enfermedad, especialmente al diseñar un dispositivo que trate con el aire respiratorio humano. Aunque varios estudios han proporcionado enormes simulaciones de fluidos computacionales, la mayoría de los casos son demasiado específicos y bastante desafiantes para combinar directamente con otros estudios similares. Por lo tanto, este artículo propone un enfoque sistemático para predecir el comportamiento de las gotas en casos de tos utilizando aprendizaje automático. El enfoque consiste en tres modelos, que son el generador de gotas, el modelo de máscara y el modelo de gotas libres, modelados utilizando una red neuronal de avance (FFNN). La evaluación ha mostrado que las precisiones de los tres modelos FFNN son relativamente altas, con valores R de más de 0.990. El modelo ha predicho con éxito el efecto de evaporación sobre la reducción del diámetro y el estado completamente evaporado, que se puede considerar casos no aprendidos para los modelos de aprendizaje automático. El patrón de distancia horizontal predicho también concuerda con los datos en la literatura. En resumen, el enfoque propuesto ha demostrado la capacidad de predecir el patrón de diámetro de acuerdo con los datos experimentales o de trabajos anteriores en varios tipos de máscaras faciales.