“makine” için sonuçlar

Buluş, üniversite adaylarının kariyer yönelimini desteklemek amacıyla, kurumsal profesyonellerin gönüllü katkılarıyla çalışan, yapay zeka destekli bir deneyim aktarım platformudur. Platform, öğrencilerin akademik ilgi, yetenek ve kariyer hedeflerini analiz ederek, profesyonellerin deneyimi ve mentörlük uygunluğu ile yapay zeka tabanlı eşleştirme gerçekleştirir. Doğal dil işleme ve makine öğrenmesi modelleriyle eşleşme kalitesini artırarak, öğrencilerin bilinçli tercih kararları almasına ve tercih hatalarını azaltmasına olanak tanır, aynı zamanda kurumsal profesyonellerin bilgi ve deneyimini genç yeteneklere aktararak sürdürülebilir bir yetenek ekosistemi oluşturur. TR 2025 020982 A2

Bu buluş, akıllı telefonlardaki telefon kullanım davranışlarını sürekli olarak izleyerek, kullanıcının normal kullanım paternlerinden sapmaları tespit eden ve bu sapmaları kademeli bir acil durum protokolü ile değerlendiren bir güvenlik sistemidir. Düşük güç tüketimli sensörlerden elde edilen veriler (ekran etkileşimleri, cihaz hareketi, uyku düzeni gibi) makine öğrenmesi algoritmalarıyla analiz edilerek kişiye özel bir model oluşturulur. Bu sayede, beklenmedik ve potansiyel olarak tehlikeli durumlarda kullanıcının konum bilgisi yalnızca kritik aşamada alınarak, acil durum servislerine otomatik olarak iletilir. Sistem, gizliliği korurken yüksek doğruluklu, enerji verimli ve kişiselleştirilmiş bir güvenlik çözümü sunar. TR 2025 020969 A2

Bu buluş, akıllı fabrikalarda dönen makinelerin temassız sağlık izlemesini ve öngörücü bakımını sağlamak için Entegre Algılama ve Haberleşme (ISAC) teknolojisini kullanır. Tek bir baz istasyonu, aynı 5G/6G altyapısı üzerinden hem haberleşmeyi hem de titreşim algılamayı gerçekleştirerek sensör montajına gerek kalmadan makinelerin titreşimini analiz eder ve makine öğrenmesi algoritmalarıyla potansiyel arızaları tahmin eder. Bu yaklaşım, maliyeti düşürür, bakım süreçlerini optimize eder ve fiziksel sensörlerin kurulumu ve bakımıyla ilişkili zorlukları ortadan kaldırır. Sonuç olarak, bu sistem fabrika genelinde daha verimli ve güvenilir bir makine yönetimi sağlar. TR 2025 020959 A2

Buluş, yüksek yoğunluklu kablosuz ağlarda, özellikle Wi- Fi 6/7 ortamlarda, genel hizmet kalitesini (QoS) artırmak için dinamik bir anten paterni yönetim sistemidir. Mevcut sistemlerin tek odaklı hüzmeleme ve parazit ihmali gibi eksikliklerini aşmak için, sistem, parazit etkisini modelleyen bir matris ve makine öğrenimi ile trafik talebini tahmin ederek hem paraziti aktif olarak azaltan hem de patern değişim maliyetini dikkate alan anten paternlerini seçer. Bu sayede, sistem gecikmeyi azaltır, ağ kapasitesini artırır ve daha adil bir QoS sunarak, kablosuz ağların performans ve güvenilirliğini önemli ölçüde iyileştirir. TR 2025 020891 A2

Buluş, şirketlerin yeni ürün veya hizmet geliştirme süreçlerini otomatikleştirerek, iç sistem verilerini internet araştırmalarıyla entegre ederek ve süreç haritalarını otomatik olarak çizerek inovasyonu destekleyen bir yapay zekâ framework'üdür. Şirket iç sistemlerine hakim bu sistem, web araştırması ve makine öğrenimi tekniklerini kullanarak eksiklikleri giderir, bias ve güvenlik sorunlarını adresler, %95 doğruluk oranına ulaşır ve işlem süresini 10 kat azaltır. Sonuç olarak, bu yapay zekâ destekli sistem, şirketlere daha hızlı, güvenli ve doğru fizibilite analizleri sunar. TR 2025 020832 A2

Buluş, modern veri merkezlerindeki sanal makine (VM) tabanlı altyapılarda kaynak kullanımını optimize etmeyi ve iş yüklerini dengeli bir şekilde dağıtarak sistem verimliliğini artırmayı amaçlamaktadır. Bu amaç, yapay zeka destekli analiz ve dağıtım motoru sayesinde iş yüklerinin otonom bir şekilde değerlendirilmesi, VM?ler arasında kaynakların optimum şekilde dağıtılması ve altyapının sürekli dengede tutulmasıyla sağlanır. Buluş, anlık yük dalgalanmalarını, bellek tüketimindeki ani artışları ve I/O darboğazlarını tespit ederek, veri merkezi maliyetlerini kontrol altında tutarken donanım kullanımını optimize eder ve BT operasyonlarının verimliliğini belirgin şekilde artırır. Sonuç olarak, bu buluş, VM tabanlı altyapıların daha akıllı, otonom ve kendini optimize eden bir yapıya kavuşmasını sağlar. TR 2025 020717 A2

Bu buluş, fiber optik kablolardan toplanan mikro titreşimleri analiz ederek çevresel olayları tespit etmeyi ve sınıflandırmayı sağlayan bir arayüz (API) ve ilgili sistemdir. Özel bir sorgulama cihazı, kablodan ham titreşim verilerini toplarken, gelişmiş makine öğrenimi algoritmaları bu verileri analiz ederek olay türünü (örneğin, araç, yürüme, makine) yüksek doğrulukla belirler. Bu yaklaşım, mevcut titreşim izleme sistemlerinin sınırlamalarını aşarak geniş alanlarda titreşim kaynaklarının dinamik olarak ve maliyet etkin bir şekilde sınıflandırılmasını sağlar ve böylece Endüstriyel IoT, güvenlik takibi ve trafik analizi uygulamalarında yanlış alarm oranını azaltır. TR 2025 020420 A2

Bu buluş, kuantum iletişim ağlarında güvenilir ve kesintisiz dolaşıklık dağıtımı sağlamak amacıyla tasarlanmış, kuantum kanallarındaki potansiyel sorunları makine öğrenmesiyle tahmin ederek ağ topolojisini otomatik olarak yeniden düzenleyen bir sistemdir. Kanal kalite metriklerini analiz ederek dolaşıklık kopmalarını önceden tespit eden sistem, alternatif yolları otomatik olarak devreye alarak kesintileri neredeyse sıfıra indirir ve yüksek dolaşıklık doğruluğu sunar. Klasik makine öğrenmesi ve kuantum yönlendirme mekanizmalarını bir araya getiren hibrit mimarisi sayesinde, sistem ağın çalışma süresini önemli ölçüde artırır ve foton tüketim maliyetlerini düşürür. Bu sayede, kuantum anahtar dağıtımı, dağıtık kuantum hesaplama ve kuantum sensör ağları gibi alanlarda güvenilir ve kesintisiz iletişimin sağlanmasına olanak tanır. TR 2025 020271 A2

Bu buluş, telekomünikasyon ağlarındaki arızaları proaktif olarak tespit etmek için yenilikçi bir yaklaşımdır. Kullanıcı cihazlarının ürettiği mikro-jitter, dijital parazit ve işlem davranış paternlerini analiz ederek, geleneksel sinyal ölçümlerinin yakalayamadığı arıza öncesi belirtileri tespit eder. Makine öğrenimi algoritmalarıyla dijital "parazit imzaları" oluşturarak, arızaları henüz kullanıcı tarafından hissedilmeden belirleyerek saha ekiplerinin gereksiz çıkışlarını azaltır ve ağın genel sürekliliğini artırır. Bu sayede telekom operatörleri bakım süreçlerini otomatikleştirerek, müşteri deneyimini iyileştirerek ve telekom altyapılarının genel verimliliğini artırabilir. TR 2025 020270 A2

Bu buluş, ağ altyapılarındaki enerji israfını azaltmaya odaklanmaktadır. Sistem, ağ cihazlarından toplanan L2- L7 telemetri verilerini çok katmanlı bir analiz motorunda birleştirerek gereksiz trafik kalıplarını tespit eder ve Enerji Modelleme Motoru aracılığıyla bu trafiklerin enerji tüketimi üzerindeki etkisini hesaplar. Makine öğrenmesi tabanlı Anomali Tespit Modülü sayesinde sistem sürekli kendini yenileyerek yeni verimsizlikleri keşfeder ve otomatik politika önerileri üreterek %15 ile %30 arasında enerji tasarrufu sağlamayı hedefler. Bu sayede, insan hatasını ortadan kaldıran ve ağ performansını optimize eden bir closed-loop yapısı oluşturulur. TR 2025 020027 A2

Davranışsal Taşıma (Migration) Uyum Kontrol Motoru, sanal makinelerin hedef platforma taşınmadan önce uyumluluğunu otomatik olarak analiz eden bir sistemdir. Bu sistem, sanal makinelerin CPU, NIC ve disk davranışlarını analiz ederek, hedef platformun yetenekleriyle karşılaştırır ve taşıma öncesinde olası uyumsuzlukları tespit eder. Niyete dayalı bir taşıma doğrulama sistemi ile müşterilerinin OpenStack'e geçişini kolaylaştırır ve geçiş sürecindeki riskleri azaltır. Bu sayede, geçişin başarılı bir şekilde tamamlanması ve performans sorunlarının önlenmesi sağlanır. TR 2025 019997 A2

Bu buluş, 4G LTE ve 5G NR ağlarında veri oturumu başlattırmadan önce kullanıcıya beklenen veri hızını tahmin ederek, ağ koşullarına göre proaktif olarak QoS (Hizmet Kalitesi) parametrelerini optimize etmektedir. Makine öğrenimi (ML) tabanlı bir tahmin motoru, radyo koşulları, hücre yükü ve kullanıcı profili gibi verileri analiz ederek tahmini hız değerini belirler ve buna göre dinamik QCI (QoS Class Identifier) seçimi yapar veya kullanıcıyı daha uygun bir hücreye yönlendirir. Bu yaklaşım, mevcut sistemlerdeki statik QoS politikalarına ve reaktif kaynak yönetimine kıyasla kullanıcı deneyiminde tutarlılık ve memnuniyet artışı sağlamaktadır. TR 2025 019967 A2

Bu buluş, çok katmanlı haberleşme ağlarında acil durum ve kritik öneme sahip iletilerin öncelikli olarak iletilmesini sağlamak amacıyla geliştirilmiştir. Sistem, mesajın bağlamını analiz ederek bir öncelik etiketi atar ve bu etiketi kullanarak, ağ yoğunluğu veya tıkanıklık durumlarında dahi uçtan uca öncelikli paket taşıma imkânı sunar. Ayrıca, katmanlar arası öncelik aktarımı ve tıkanıklık atlama mekanizmaları sayesinde, mevcut sistemlerdeki gecikme ve güvenilirlik sorunlarını ortadan kaldırarak kritik iletişim ihtiyaçlarını karşılamaktadır. Böylece, yangın, saldırı, afet gibi acil durum senaryolarında, kritik makine-makine haberleşmelerinde ve diğer gecikmeye duyarlı uygulamalarda daha güvenilir ve hızlı iletişim imkânı sağlar. TR 2025 019959 A2

Bu buluş, dijital platformlardaki müşteri kaybını (churn) azaltmaya odaklanmaktadır. Geleneksel yöntemlerin aksine, bu sistem, müşteri davranışlarını analiz etmek ve churn rate'i tahmin etmek için Prophet tabanlı bir makine öğrenmesi modeli kullanır. Sistem, geçmiş müşteri etkileşim verilerini, mevsimselliği ve tatil etkilerini otomatik olarak dikkate alarak daha doğru tahminler sunar ve bu sayede dijital platformların gelir kaybını önlemesine ve müşteri sadakatini artırmasına olanak tanır. Ayrıca, az veriyle yüksek doğrulukta tahmin yapabilmesi ve otomatik bileşen ayrıştırması sayesinde, mevcut yöntemlere kıyasla önemli bir yenilik sunar. TR 2025 019851 A2

Bu buluş, telekom ağlarındaki kesintisiz hizmet sürekliliğini sağlamak ve operasyonel bakım süreçlerini reaktiften proaktif yapıya dönüştürmek amacıyla, makine öğrenimi temelli dinamik anormallik tespiti ve arıza tahmini için bir sistem sunmaktadır. Ağ bileşenlerinden toplanan metrikler zaman serisi analizi ve davranışsal modelleme algoritmalarıyla işlenerek, her cihazın "normal davranış paternini" dinamik olarak öğrenerek gerçek sapmaları tespit eder. Bu sayede sistem, statik eşik değerlerine bağlı kalmadan gelecekteki olası arızaları tahmin ederek, ağ kesintilerini önlemek ve bakım süreçlerini optimize etmek için erken uyarılar üretir. Sonuç olarak, bu sistem statik ağ izleme anlayışını değiştirerek, proaktif ve bağlama duyarlı bir ağ yönetim modeli sunar. TR 2025 019769 A2

Buluş, 6G haberleşme ağlarında, özellikle yer istasyonları, İHA'lar ve LEO uydular arasında oluşturulan hibrit yapılar üzerinde, hareketli sensörlerden gelen verilerin kesintisiz ve düşük gecikmeli bir şekilde merkeze iletilmesini ve bu veriler üzerinde gerçek zamanlı anomali tespitini amaçlar. Bu amaç, yer, İHA ve uydu katmanlarında senkronize çalışan bir edge inference yapısı ve hibrit kuantum-makine öğrenimi tabanlı anomali tespit motoru kullanılarak gerçekleştirilir. Sonuç olarak, buluş, mevcut sistemlere kıyasla daha düşük gecikme, daha yüksek güvenilirlik ve bozulan bağlantılara karşı daha fazla tolerans sağlayarak 6G hibrit haberleşme ağlarında daha güvenli ve verimli bir anomali tespit süreci sunar. TR 2025 019754 A2

Bu buluş, mobil haberleşme ağlarındaki çağrı düşmesi ve kurulum başarısızlığı gibi kritik sorunları önceden tespit etmek için tasarlanmıştır. RAN KPI verilerindeki anormallikleri tespit etmek, bu anormalleri risk skorları ile ilişkilendirmek ve gelecekteki olası servis kesintilerini tahmin etmek için makine öğrenimi tabanlı bir yöntem kullanır. Bu sayede operatörler, sorunlar meydana gelmeden önce proaktif müdahale ederek ağ kalitesini artırır ve müşteri deneyimini iyileştirir, alarm yorgunluğunu azaltır ve NOC verimliliğini önemli ölçüde yükseltir. Sistem, çoklu KPI korelasyonlarını analiz ederek, zaman gecikmesini öğrenerek ve sürekli öğrenme yeteneği sayesinde ağdaki değişikliklere uyum sağlayarak mevcut ağ izleme sistemlerine kıyasla önemli avantajlar sunar. TR 2025 019722 A2

Buluş, telekomünikasyon, mobil veri iletişimi, kablosuz ağ yönetimi, IoT (Nesnelerin İnterneti) ve yapay zekâ destekli otonom sistemler alanlarında kullanılmak üzere geliştirilen, baz istasyonuna veya merkezi kontrol birimine bağımlı olmadan, cihazların kendi aralarında organize olup kesintisiz iletişim kurmasını sağlayan, afet ve kriz bölgelerinde, deprem, sel veya altyapı çökmesi gibi durumlarda, cihazların birbirine bağlanarak geçici ancak yüksek dayanıklılığa sahip bir iletişim ağı oluşturmasını sağlayan, kırsal bölgelerde ve uzak yerleşimlerde GSM veya fiber altyapısı bulunmayan alanlarda iletişimi mümkün kılan, savunma ve güvenlik operasyonlarında altyapısız, gizlilik odaklı ve kesintisiz haberleşme ağı sağlayan, akıllı şehir ve IoT uygulamalarında cihazlar arası veri aktarımı, sensör iletişimi ve uzaktan yönetim için merkezi bağımlılığı ortadan kaldıran, toplu etkinlik alanlarında kapasite dengesizliğini önleyerek kullanıcı deneyimini artıran, endüstriyel tesislerde üretim hatları veya fabrika otomasyon sistemlerinde, makine ve sensörlerin kendi ağını kurarak çalışmasını sağlayan, otonom ulaşım sistemlerinde araçlar, dronlar veya robotlar arasında sürekli veri paylaşımı sağlayan, kendini yöneten, onaran ve çevresine tepki verebilen bir iletişim ekosistemi sunan altyapısız, çevresel farkındalığa sahip ve yapay zekâ destekli otonom iletişim ağı otonom ağ sistemidir. TR 2025 019706 A2

Buluş, kullanıcı bazında internet arızalarının analizinde ve problemin kök nedeninin ne olduğu konusunda tahminleme yapılıp çözümü için doğru aksiyon alınmasında yapay zekâ destekli arıza analiz ve problem tespit sistemi ve yöntemi ile ilgilidir. Yapay zekâ modülü, güncel arıza verisi ve geçmiş verilerin girdi yapıldığı makine öğrenimi temelli algoritmaları örnek alarak arıza kök neden tespitinde bulunur ve çözüm önerisi sunar. Arıza ekibi ekranına tahmin bilgisi ile ekipler arızaya daha hazırlıklı olur ve abone lokasyonuna gittiğinde arıza tespiti için daha az zaman kaybeder. TR 2025 019196 A2

Bu buluş, OTFS tabanlı kablosuz haberleşme sistemlerinde kanal karşılıklılığına dayalı gizli indeks modülasyonu ve yapay zeka destekli grant-free erişim alanına ilişkindir. Çözülen temel teknik problem, yoğun makine tipi haberleşmede sabit kod kitaplı grant-free imzaların imza çakışması, yüksek cihaz etkinlik tespit karmaşıklığı ve sınırlı fiziksel katman gizliliği oluşturmasıdır. Buluş, uplink OTFS pilotlarından çıkarılan kanal parmak izlerini kanal karşılıklılığı ve parmak izi çıkarım modülü ile işleyerek yapay zeka tabanlı indeks desen haritalayıcı modül üzerinden OTFS zaman-gecikme/Doppler ızgarasında cihaz-özel gizli indeks desenleri üretmekte ve grant-free erişimi bu desenlere dayalı olarak gerçekleştirmektedir. Grant-free erişim ve cihaz etkinlik tespit modülü, gizli indeks desenlerine dayalı korelasyon ve/veya sıkıştırılmış algılama ile çok sayıda cihazın eşzamanlı erişimini ayırt ederken, güvenlik ve adaptif öğrenme modülü performans ve gizlilik ölçümlerine göre modelleri uyarlayarak farklı kanal koşullarında ölçeklenebilir ve güvenli erişim sağlar. TR 2025 018316 A2

Buluş, 6G iletişim altyapılarında yüksek mobiliteye sahip cihazların, örneğin sürücüsüz araçlar, dronlar ve artırılmış gerçeklik terminalleri, yoğun ağ ortamlarında bağlandığı senaryolarda, hizmet kalitesini garanti ederken aynı zamanda enerji verimliliğini de sağlar. Söz konusu sistem; 6G Makine-Türlü Haberleşme (mMTC), Ultra Güvenilir ve Düşük Gecikmeli İletişim (URLLC), hava- uzay-yer entegrasyonuna dayalı 3 boyutlu hücresel ağ mimarileri, akıllı fabrika, maden ve liman gibi dikey endüstriyel uygulamalar ile yeşil iletişim protokolleri kapsamında enerji tasarruflu yönlendirme gibi kullanım alanlarında etkin çözümler sunmaktadır. TR 2025 018063 A2

Telekomünikasyon ağlarında veri trafiğinin gerçek zamanlı, dinamik ve yapay zeka destekli yönetimini sağlayan veri yönetim sistemi olup, özelliği; ağ üzerindeki tüm veri paketleri ve trafik bilgileri gerçek zamanlı olarak toplayan ve ağdaki güncel durumu sürekli izleyerek analiz için gerekli ham veriyi sağlayan veri toplama ve izleme modülü (1), toplanan verileri analiz için uygun formata getiren, gürültü ve gereksiz bilgileri temizleyen veri ön işleme ve filtreleme ünitesi (2), işlenmiş verileri kullanarak trafik örüntülerini analiz eden ve paketleri içerik, kaynak, hedef ve öncelik durumlarına göre sınıflandıran ve anomali tespiti yaparak ağda olağan dışı trafik durumlarını saptayan yapay zeka / makine öğrenimi modülü (3), tespit edilen olağandışı trafik durumlarında hızlı müdahaleler yaparak ağın stabilitesini ve güvenliğini koruyan anomali tespit ve müdahale sistemi (4), yapay zekanın önerileri doğrultusunda veri paketlerine öncelik atayan ve ağ kaynaklarını dinamik olarak tahsis eden dinamik QoS yönetim modülü (5), bant genişliği ve işlemci kaynaklarını önceliklere göre dağıtan ve trafiği uygun kanallar üzerinden yönlendiren kaynak tahsisi ve trafik yönlendirme modülü (6), sürekli olarak performansı izleyen ve yapay zeka modellerinin kendini güncelleyerek daha doğru kararlar almasını sağlayan gerçek zamanlı izleme ve geri bildirim modülü (7), ağ yöneticilerinin gerçek zamanlı trafik durumu, analiz sonuçları, sistemin durumu ve raporları hakkında bilgi almasını ve gerekirse manuel müdahalede bulunabilmesini sağlayan ve müdahaleler öneren kontrol ve yönetim arayüzü (8) içermesidir. TR 2025 017657 A2

Buluş, evden çalışan bireylerin iş sürekliliğini sağlamak üzere otomatik önceliklendirme ve yedek hat geçişi sunan entegre ağ yönetim sistemi olup, iş uygulamalarını otomatik olarak tanıyarak öncelikli bant genişliği tanımlayan dinamik trafik önceliklendirme modülü, ana internet kesildiğinde mobil hatta otomatik geçiş yapan çift hat ve otomatik yedekleme ünitesi, ağın performans değerlerini takip eden gerçek zamanlı ağ sağlığı izleme sensörleri, ağ sağlığı izleme sensörlerinden verileri alarak bağlantı raporları sunan merkezi raporlama birimi, makine öğrenmesi ile akıllı optimizasyon sağlayarak kullanıcının kullanım alışkanlıklarına göre optimizasyon yapan kontrol birimi içermesi ile ilgilidir. TR 2025 017606 A2

Buluş, IP TV cihazlarında ağ performansını makine öğrenmesi modeliyle hibrit önbellekleme yapacak şekilde optimize eden, kullanıcı deneyimini kişiselleştirirken bu deneyime göre yayın kalitesini destekleyen ve arızaları önceden tespit ederek servis sağlayıcıya bildiren yapay zekâ tabanlı bir optimizasyon ve bakım yazılımı ile ilgilidir. TR 2025 016449 A2

Buluş, kendisine alarm durumlarında sunucularda yapılan işlemlerin, durumların, çözümlerin öğretildiği bir çözüm uygulama makinesinin (1), ücretlendirme sistemlerinin sunucularını izlemesi, çözüm uygulama makinesinin (1) önceden öğrendiği durumlara ilişkin parametrelere göre izleme verilerini analiz etmesi, çözüm uygulama makinesinin (1), analiz sonucuna göre sunuculardan birinde tehlikeli bir durum olduğuna dair bir karar vermesi, sunuculardan birinde tehlikeli bir durum olduğuna dair bir karar verilmesi sonrası, çözüm uygulama makinesinin (1), bahsedilen karara göre daha önceden öğrendiği çözümü uygulaması işlem adımlarını içeren, telekom sistemlerinde, ücretlendirme sistemlerinin kurulu olduğu sunucuları gerçek zamanlı olarak izleyip gerektiğinde müdahale edilmesini sağlayan bir dinamik izleme ve yönetme yöntemi ile ilgilidir. TR 2025 009230 A2