Caracterizar el patrón dinámico de respuesta del cerebro a una entrada en electroencefalografía (EEG) no es una tarea trivial debido a la compleja actividad cerebral espontánea. En este contexto, la respuesta del cerebro puede definirse como (1) los componentes adicionales de actividad neural generados después de la entrada o (2) los cambios en las actividades espontáneas en curso inducidas por la entrada. Además, la respuesta puede manifestarse en múltiples características. Tres ejemplos comúnmente estudiados de características son (1) la forma de onda temporal transitoria, (2) la representación tiempo-frecuencia y (3) la dinámica de fase. El método más ampliamente utilizado de potenciales evocados promedio (ERPs, por sus siglas en inglés) captura el primero, mientras que los dos últimos y otras características más complejas están atrayendo una atención creciente. Sin embargo, no ha habido mucho trabajo proporcionando una ilustración sistemática y orientación sobre cómo explotar efectivamente características multifacéticas en la investigación cognitiva neural. Basado en un conjunto de datos de ERPs de rareza visual con 200 participantes, este trabajo demuestra cómo la información de las características mencionadas anteriormente es complementaria entre sí y cómo pueden integrarse basadas en enfoques de aprendizaje automático basados en redes neuronales estereotípicas para explotar mejor la información dinámica neural en la investigación cognitiva básica y aplicada.