ИСТИНА

В данной работе исследуется возможность построения классификатора авроральных радиолокационных сигналов с применением интерпретируемых методов машинного обучения (МО). Задача классификации авроральных сигналов является актуальной проблемой в технологиях мониторинга космического пространства. Ввиду отсутствия теоретически обоснованных критериев для классификации, рассматривается подход анализа данных и построения моделей МО [1, 2]. На основе данных радара дециметрового диапазона северного направления, расположенного в Красноярском крае, были построены модели бинарной классификации: случайный лес, градиентный бустинг, многослойный персептрон, сеть Колмогорова-Арнольда. Проведен их сравнительный анализ, интерпретация работы и отбор входных признаков. Проведенное исследование позволило выявить наиболее значимые признаки и определить эффективные модели МО для решения поставленной задачи. Литература: [1] Berngardt, O. I., Kusonsky, O. A., Poddelsky, A. I., & Oinats, A. V. (2022). Self-trained artificial neural network for physical classification of ionospheric radar data. Advances in Space Research, 70(10), 2905–2919. https://doi.org/10.1016/j.asr.2022.07.054 [2] Kunduri, B. S. R., Baker, J. B. H., Ruohoniemi, J. M., Thomas, E. G., & Shepherd, S. G. (2022). An Examination of SuperDARN Backscatter Modes Using Machine Learning Guided by Ray‐Tracing. Space Weather, 20(9). https://doi.org/10.1029/2022sw003130