Обнаружение аномалий в вариациях амплитуды и фазы радиосигналовявляется одним из инструментов исследования динамических свойств канала радиосвязи. Развитие технологий машинного обучения при этом позволяет по-новому подойти к решению актуальных задач радиофизики. Целью настоящей работы является разработкаалгоритма для поиска эффектов солнечных вспышек в вариациях амплитуды СДВ радиосигналов с использованием методов машинного обучения. Представлены разработанные модели нейронной сети на основе автоэнкодера для автоматического обнаружения аномальных изменений амплитуды по данным распространения СДВ радиоволн на трассе JJI (Япония, 22.2 кГц) – Иркутск (пункт приема п. Теплоэнергетик).После обучения нейронная сеть выполняет реконструкцию дневного хода амплитуды сигнала так, чтобы выходные данные максимально соответствовали распространению радиоволн в спокойных условиях. Аномальные изменения сигнала, связанные с возмущением ионосферы во время солнечных вспышек, обнаруживаются путем определения ошибки реконструкции и ее сравнения с рассчитанным пороговымзначением. Порог определяется путем расчета среднего квадратичного значения ошибки восстановления набора обучающих данных. Результаты применения предложенных авторами автоэнкодеров для поиска аномалий показали свою эффективность (общаяточность оказалась близка к 90%). Важным преимуществом метода является возможность поиска аномальных вариаций амплитуды в большом массиве экспериментальных данных с использованием измерений только для рассматриваемого дня. При этом исключаетсявлияние аномалий, присутствующих в соседние дни, как это происходит при использовании усреднения реализаций суточного хода по нескольким дням до и после рассматриваемого события