卷积神经网络在表征多样的动力系统吸引盆复杂性和不可预测性方面表现出有效性。与传统方法相比，该方法能够以最佳方式探索动力系统的不同参数，并且在表征多个吸引盆时计算成本较低。研究还比较了不同卷积神经网络架构的性能，结果显示即使使用过时的架构，我们提出的表征方法也优于传统方法。