ИСТИНА

Целью данного исследования является разработка объективных критериев для классификации и разделения вулканов и корон на поверхности Венеры с использованием методов машинного обучения. В отличие от существующих подходов, основанных на ручном анализе топографических профилей и диаметров, мы предлагаем использовать вариационный автоэнкодер (VAE) для извлечения признаков с последующей кластеризацией. Методология включает сбор и предобработку данных радарных снимков миссии «Магеллан», обучение VAE и применение алгоритмов кластеризации (KMeans, DBSCAN) для выявления подклассов геологических структур. Результаты работы могут быть использованы для автоматизации анализа поверхности Венеры и подготовки к будущим миссиям.