تعتمد العديد من تقنيات تحديد تدفق الطبقات المضطربة والمنسقة بشكل كبير على التحكم من قبل الخبراء، وعلى الرغم من أن تحديد توزيع التدفق يُعد شرطًا مسبقًا لتحليل كفاءة تصميم الجناح والاستقرار في مجال الطيران. وقد تم في الآونة الأخيرة بذل جهود لمعالجة تحديد التدفق التلقائي للطبقات المضطربة والمنسقة، لكنها ما زالت في مراحلها الأولى، ولا تتمتع بدرجة كافية من الموثوقية في البيئات الضوضائية. تُجري هذه الدراسة تحقيقًا في إمكانية فصل مناطق التدفق باستخدام التقنيات الحالية للتعلم العميق. ولتحقيق هذا الهدف، تم اقتراح معمارية تحليل تدفق مكونة من مُشفّر وموّسع متتاليين، وتُعرف باسم "شبكة بَطْبُوط الانتباه التكيفي". وعلى عكس التقنيات الحالية للتحديد التلقائي للتدفق المُعتمدة في الأدبيات السابقة والتي تعتمد بشكل رئيسي على بيانات متجانسة ونظيفة، تم اختبار كفاءة النهج المقترح في التحليل التلقائي للتدفق على مجموعة متنوعة من مجموعات الملاحظات الحرارية المختلطة، والتي تعرضت لمستويات مختلفة من الضوضاء. وأخيرًا، لتحسين موثوقية البنية المُقترحة، تم اعتماد استراتيجية تعلم ذاتي من خلال استغلال 23,468 ملاحظة غير مُصنفة لتدفق الطبقات المضطربة والمنسقة.