“makine” için sonuçlar

Buluş, Telekom ağlarında baz istasyonları (B) ve ağ elemanlarında arızaları önceden tespit ederek kesintisiz hizmet sağlayan, yapay zeka tabanlı, uç nokta makine öğrenmesi (edge machine learning (ML)) destekli proaktif arıza önleme yöntemi ile ilgilidir. TR 2026 001816 A2

Bu buluş, telekomünikasyon ağlarındaki veri paketlerinin davranışını kontrol etmek için, paket başlıklarında yer alan güvenli ve makine tarafından okunabilir meta- verileri kullanır. Paketin niyetini belirten ve kriptografik olarak imzalanan bir niyet vektörü, ağ düğümlerinin merkezi kontrolcüye başvurmadan anlık dilimleme kararları almasını sağlar. Bu yaklaşım, şifrelemeden bağımsız olarak güvenli ve verimli ağ yönetimini mümkün kılarken, mevcut sistemlerdeki gecikme ve güvenlikle ilgili eksiklikleri ortadan kaldırır. Sonuç olarak, ağ trafiği daha güvenli ve akıllı bir şekilde yönetilebilir. TR 2026 000202 A2

Buluş, baz istasyonlarında enerji tasarrufu sağlamak amacıyla geliştirilen bir sistemdir. Sistem, trafik verilerini toplayıp analiz ederek yapay zekâ ve makine öğrenimi algoritmalarıyla kısa vadeli trafik yoğunluğunu tahmin eder. Tahminlere dayanarak, hücreler dinamik olarak düşük güç veya uyku moduna geçirilerek enerji tüketimi optimize edilir. Bu sayede, sistem, operatörlerin enerji maliyetlerini azaltmasına ve ağ performansını korumasına yardımcı olurken, aynı zamanda çevreye duyarlı bir operasyon imkânı sunar. TR 2025 022222 A2

Buluş, fiber optik ağlarda reaktif bakımı proaktif öngörüyle değiştiren yenilikçi bir platform sunar. Saniye aralıklarla toplanan optik veriler, otokodlayıcı ve hibrit makine öğrenmesi modelleriyle işlenerek arıza riski 24?72 saat önceden tahmin edilir. Arıza konumu ±5 metre hassasiyette belirlenir; kök neden analizi ve saha talimatları ile operatörler hızlı ve doğru müdahale yapar. Sistem, multi-vendor uyumlu, yanlış pozitifleri süzer, müşteri etkisini minimize eder ve sürekli öğrenerek kendini geliştirir. Bu yaklaşım, ortalama 4?8 saatlik kesintileri önler, bakım maliyetlerini düşürür ve operatörlerin SLA performansını artırır. TR 2025 022216 A2

Bu buluş, mobil cihazların kullanım ömrünü tahmin etmek için şebeke verilerini katmanlı olarak analiz eder. Abonelerin cihaz performans eğrisini, bağlantı davranışını ve kullanım yoğunluğunu makine öğrenmesi algoritmalarıyla işleyerek cihaz değişim ihtiyacını yüksek doğrulukla tahmin eder. Operatörlerin cihazı eskiyen aboneleri önceden belirlemesine, özel kampanyalar oluşturmasına ve şebeke kaynaklarını daha verimli planlamasına olanak tanıyarak hem müşteri elde tutma hem de cihaz pazarlaması alanlarında doğrudan fayda sağlar. Bu sayede, statik yöntemlere kıyasla daha kişiselleştirilmiş ve gerçek zamanlı tahminler sunarak kullanıcı deneyimini iyileştirir. TR 2025 022206 A2

Bu buluş, mevcut Karasal Ağlar (TN) ve Karasal Olmayan Ağlar (NTN) iletişim sinyallerini pasif olarak algılamak için yenilikçi bir sistem sunmaktadır. İki farklı geometrideki sinyal kaynağından elde edilen yansıma verileri, Makine Öğrenimi (ML) destekli füzyon ile birleştirilerek kesintisiz, geniş kapsama alanlı ve yüksek çözünürlüklü 3 Boyutlu (3D) algılama yeteneği sağlanmaktadır. Bu yaklaşım, mevcut sistemlerin kısıtlamalarını aşarak akıllı ulaşım, afet yönetimi ve güvenlik gibi alanlarda daha güvenilir ve etkili algılama imkanı sunmaktadır. Buluş, enerji verimliliğini arttırırken hem karasal hem de karasal olmayan ağlardan elde edilen verileri entegre ederek gelişmiş algılama doğruluğu ve sürekliliği sağlamaktadır. TR 2025 022161 A2

Bu buluş, sinyalsiz ortamlarda acil durum iletişimini kolaylaştırmayı amaçlamaktadır. Kullanıcıların 4G/5G sinyalinin zayıf olduğu anlarda sesli aramayı otomatik olarak acil durum SMS'ine çeviren bir mobil uygulama ve yöntemi sunar. Sistem, gerçek zamanlı sinyal gücü takibi, makine öğrenimi tabanlı acil durum önceliklendirmesi ve düşük güç modunda periyodik sinyal taraması gibi teknikler kullanarak, sinyal yakalanana kadar SMS'i tekrar tekrar göndererek iletişimin başarısını artırır ve acil durumlarda zaman kaybını önler. Bu sayede, kullanıcılara güvenli ve hızlı bir iletişim imkanı sunar. TR 2025 022152 A2

Bu buluş, zayıf 5G sinyal kalitesine sahip iç mekanlarda mobil cihaz kullanıcılarının deneyimini iyileştirmeyi amaçlamaktadır. Telekom operatörleri tarafından kullanılan bir yazılım, makine öğrenimi (Gradient Boosting) tabanlı bir model kullanarak gerçek zamanlı bir sinyal haritası oluşturur ve kullanıcının bulunduğu ortamda en yüksek sinyal gücüne sahip noktaya yönlendirmeler sağlar. Bu sistem, kullanıcının sürekli ağ arama ihtiyacını ortadan kaldırarak pil ömrünü korurken, kesintisiz iletişim ve daha hızlı internet bağlantısı imkanı sunar. Sonuç olarak, kullanıcılar mevcut konumlarında en iyi sinyal kalitesini elde ederek daha iyi bir mobil deneyim yaşarlar. TR 2025 022129 A2

Buluş, mobil erişim hizmet sağlayıcılarının 4G ve 5G baz istasyonlarında meydana gelen afetler veya arızalar sonucu oluşan kapsama kayıplarını gidermek için tasarlanmıştır. Sistem, mobil abonelerden ve baz istasyonlarından toplanan gerçek zamanlı verileri yapay zekâ ve makine öğrenmesi teknikleriyle analiz ederek, devre dışı kalan hücrelerin oluşturduğu kapsama boşluklarını komşu istasyonların parametrelerini dinamik olarak ayarlayarak telafi eder. Bu sayede, acil durumlarda ve sonrasında bile kesintisiz mobil iletişim sağlamak için yeni bir yaklaşım sunarak, müşteri deneyimini iyileştirir ve insan müdahalesine ihtiyaç duymadan otomatik kapsama kurtarma imkânı sunar. TR 2025 022128 A2

Buluş, telekomünikasyon altyapılarında kullanılan modem ve ONT cihazlarının, internet kesintisi oluşmadan önce hat üzerindeki mikro seviyedeki sinyal davranışlarını gerçek zamanlı olarak analiz ederek olası arızayı önceden tahmin etmesini ve otomatik müdahalede bulunmasını sağlar. Jitter varyansı, FEC dağılımındaki dengesizlik gibi klasik metriklerin yanı sıra makine öğrenmesi ve istatistiksel modelleme teknikleri kullanılarak sinyal düzensizlikleri tespit edilir ve bağlantı kopmadan önce port profili yenileme veya servis reseti gibi önleyici aksiyonlar otomatik olarak uygulanır. Bu sayede, kullanıcı kesintisi yaşanmadan arıza önlenir ve telekom altyapısı, arızayı tespit etmekten arızayı önlemeye doğru bir evrim geçirir. TR 2025 022052 A2

Bu buluş, telekom operatörlerinin müşteri deneyimini (CX) gerçek zamanlı ölçen, çok kaynaklı analiz eden ve yapay zeka ile önceden tahminleyen akıllı bir yönetim platformudur. Geleneksel yaklaşımın aksine, yalnızca düşük yanıt oranlı anketlere (NPS) değil; ağ kalitesi (QoE), CRM verileri, çağrı merkezi kayıtları, dijital kanal etkileşimleri ve sosyal medya yorumları gibi yapılmamış verileri tekil müşteri profiline dönüştürerek, her abonenin deneyimini bireysel ve zamana duyarlı olarak değerlendirir. Sistem, makine öğrenmesi modelleriyle müşteri memnuniyetini anket beklemeden tahmin eder, riskli (detractor) müşterileri önceden belirler ve kök neden analiziyle hangi faktörün (örneğin ağ gecikmesi, faturalama hatası, çağrı bekleme süresi) NPS?yi etkilediğini nicel olarak açıklar. Buna dayalı olarak, aksiyon önerisi motoru, her segmente özel ve etki-maliyet dengeli iyileştirme önerileri sunar (örneğin; kapsama deliğinde yeni hücre, çağrı merkezine ek personel, proaktif çağrı). Tüm süreç kapalı döngüyle izlenir; önerilen aksiyonlar uygulanır, etkileri ölçülür ve sistem sürekli öğrenerek optimize edilir. Böylece operatörler, müşteri kaybını reaktif değil proaktif olarak önler, deneyim skorlarını artırır ve CX yatırımlarının geri dönüşümünü (ROI) ölçülebilir hale getirir. TR 2025 022016 A2

Yapay zeka destekli bu sistem, telekomünikasyon ve bulut altyapılarındaki sürekli izlenen sistemlerde gece boyunca yaşanan kritik durumları otomatik olarak analiz ederek, sabah vardiyasına özeti iletmek için geliştirilmiştir. Makine öğrenmesi algoritmaları kullanarak log verilerindeki anomalileri tespit eder ve önemli olayları özet bir rapor halinde sunar. Bu sayede, bilgi kaybını önleyerek, sabah ekibinin geceden gelen bilgilere hızlıca ulaşmasını sağlayarak operasyonel verimliliği artırır ve daha hızlı müdahaleler yapılmasını mümkün kılar. TR 2025 021887 A2

Buluş, mobil şebekelerde, özellikle yüksek frekanslı mmWave spektrumunu kullananlarda blokaj kaynaklı kesintileri önleyerek hizmet kalitesini ve kullanıcı deneyimini iyileştirmeyi amaçlar. Yapay zekâ destekli sinyal türevi analiziyle blokajı anında tespit eden ve ardından hibrit bir makine öğrenimi algoritmasıyla ultra düşük gecikmeli bir optimizasyon süreci gerçekleştiren bu sistem, mevcut yöntemlerin aksine reaktif değil proaktif bir yaklaşımla, blokajın yaşanmadan yansıtılmış bir kanal üzerinden yeniden yönlendirilmesini sağlayarak kesintisiz ve güvenilir iletişim imkânı sunar. Bu sayede, özellikle yoğun kentsel alanlarda ve hareketli ortamlar için ultra güvenilir düşük gecikmeli iletişim gerektiren uygulamalarda önemli avantajlar sağlar. TR 2025 021829 A2

Buluş, kritik altyapıların sağlığını izlemek için 6G tabanlı bir algılama altyapısını servisleştiren öngörücü bir sistem sunmaktadır. Sistem, yapısal titreşimler ve RF yansıma desenlerini birlikte analiz ederek altyapının durumunu sürekli olarak temassız bir şekilde gözlemler. Çok kaynaklı veriler, zaman-frekans analizi, desen tanıma ve makine öğrenmesi ile işlenerek erken bozulma belirtileri tespit edilir ve potansiyel risk senaryoları oluşturulur. Sonuç olarak, bu sistem altyapı işletmecileri için sürekli, öngörücü ve karar destekli bir hizmet modeli sunmaktadır. TR 2025 021814 A2

Bu buluş, telekomünikasyon sektöründeki satın alma ve finans süreçlerini dijitalleştirmek ve optimize etmek amacıyla tasarlanmıştır. Sistem, farklı veri kaynaklarından toplanan bilgileri yapay zeka algoritmalarıyla analiz ederek tedarikçi seçimini, sipariş bölme işlemini ve finansal onay süreçlerini otomatikleştirir. Makine öğrenmesi tabanlı analizler sayesinde geçmiş veriler değerlendirilerek gelecekteki riskler tahmin edilir ve daha bilinçli satın alma kararları alınmasına olanak tanır. Bu sayede, süreçlerin daha verimli ve şeffaf bir şekilde yönetilmesi ve maliyetlerin azaltılması hedeflenir. TR 2025 021812 A2

Bu buluş, servis geliri projelerinde, özellikle bakım ve lisans yenileme gibi sözleşmelerin yönetimi için tasarlanmış, yapay zekâ destekli bir platformdur. Dağınık veri kaynaklarından elde edilen geçmiş yenileme verilerini, makine öğrenmesi algoritmalarıyla analiz ederek yenileme olasılığını ve gelir tahminlerini öngörmeyi amaçlar. Platform, çözüm ortağı performansını değerlendirme, otomatik teklif talebinde bulunma ve bütçe planlamasını destekleme gibi özellikler sunarak, manuel süreçleri ortadan kaldırır, operasyonel verimliliği artırır ve karar alma süreçlerini iyileştirir. Kullanıcı dostu bir dashboard ile tüm yenileme süreçleri kolayca takip edilebilir ve yönetilebilir. TR 2025 021805 A2

Yapay zeka ile desteklenen bu sistem, 6G ve sonrası nesil ağlardaki non-terrestrial network (NTN) bağlantılarında, özellikle hızlı hareket eden kullanıcı ekipmanlarında sık yaşanan uydu geçişlerindeki gecikmeyi azaltmayı hedefler. Sistem, gerçek zamanlı ve geçmiş verileri, uyduların geçiş planlarını ve kullanıcı hareket bilgilerini kullanarak handover için bir risk skoru oluşturur ve handover zamanını öngörerek yeni bağlantıyı proaktif olarak hazırlar. Bu sayede, bağlantı kesintilerini en aza indirerek veri akışını kesintisiz hale getirir ve ultra düşük gecikmeli zaman duyarlı servisler için küresel kesintisiz bağlantı imkanı sunar. Sistem, makine öğrenmesi modelleri ile sürekli öğrenerek performansını artırır ve handover süreçlerini optimize eder. TR 2025 021800 A2

Bu buluş, telekomünikasyon sistemlerindeki trafik sıkışıklığını tespit etmeye yönelik bir çözüm sunmaktadır. Müşteri trafiğinden elde edilen DPI verileri analiz edilerek, video çözünürlüğündeki (SD, HD, FHD, UHD) değişimler takip edilir ve bu değişimlerdeki anormallikler, sıkışıklık yaşanan ağ elemanlarını ve zaman aralıklarını belirlemek için gelişmiş makine öğrenmesi algoritmaları ile işlenir. Bu sayede, özellikle yoğun talep dönemlerinde yaşanan sıkışıklıklar gerçek zamanlı olarak tespit edilerek, ağ yönetimi için kritik bir erken uyarı sistemi oluşturulmuş ve hizmet kalitesinin korunmasına katkı sağlanmıştır. TR 2025 021772 A2

Bu buluş, veri merkezleri arası replikasyon trafiğinin yönetimini fiziksel bağlantı katmanında optimize etmeyi amaçlar. Otonom Replikasyon Link Ajanları (ARLA) aracılığıyla bağlantı kalitesi, enerji tüketimi ve paket bütünlüğü gibi kritik parametreler gerçek zamanlı olarak izlenerek, makine öğrenimi algoritmalarıyla analiz edilir ve trafiği otomatik olarak en uygun bağlantıya yönlendirir. Bu sayede, veri merkezleri arası replikasyon süreçlerinde performans artışı, enerji tasarrufu ve veri bütünlüğünün korunması sağlanır. TR 2025 021671 A2

Buluş, 5G ve 6G kablosuz haberleşme ağlarındaki hüzme yönlendirme süreçlerini optimize etmek için makine öğrenmesi tabanlı bir kullanıcı hareketlilik tahmin sistemi sunmaktadır. Kullanıcının geçmiş konum verilerini analiz eden LSTM veya GRU derin öğrenme modelleri kullanarak, kullanıcının gelecekteki konumunu 5-15 saniye önceden tahmin ederek proaktif hüzme yönlendirme imkanı sağlamaktadır. Bu sayede, handover sayısını azaltmakta, sinyal kesintilerini minimize etmekte ve ortalama veri aktarım hızını önemli ölçüde artırarak, özellikle yüksek hızlı hareketlilik senaryolarında daha istikrarlı ve yüksek performanslı mobil bağlantılar elde edilmektedir. Sistem, güven skorlama mekanizması ve transfer öğrenme adaptasyon katmanı ile farklı ortamlara uyum sağlayarak performansını artırmaktadır. TR 2025 021614 A2

Bu buluş, 6G ağlarında algılama yeteneklerinin, ağ genelinde parçalı ve statik bir şekilde sunulmasından kaynaklanan belirsizlikleri gidermeyi amaçlamaktadır. Algılama kapsamasını bağımsız, ölçülebilir ve dinamik bir hizmet katmanı olarak ele alan sistem, karasal ve karasal olmayan ağ bileşenlerinden elde edilen verileri toplayıp, mekânsal-zamansal olarak modelleyerek kapsama bilgilerinin çözünürlüğünü, sürekliliğini ve güvenilirliğini nicel olarak tanımlamaktadır. Öngörücü algoritmalar ve makine öğrenmesi sayesinde yalnızca anlık değil, geleceğe yönelik algılama kapsaması bilgisi de üretilerek, üçüncü taraf uygulamalar için talep edilebilir, yönetilebilir ve servis seviyeleri tanımlanabilir bir yapı sunmaktadır. Bu sayede, algılama odaklı uygulamaların planlanması ve güvenilir bir şekilde çalıştırılması mümkün hale gelmektedir. TR 2025 021565 A2

Bu buluş, gizlilik ihlali riskini ortadan kaldırmak için gizlilik korumalı anlamsal algılama esasına dayalı bir sistem sunmaktadır. Sistem, RF tabanlı algılama verilerinin uçta veya ağ kenarında işlenmesini sağlayarak, kişisel bilgilerin ağ üzerinden taşınmasını engeller. Uçta çalışan hafif makine öğrenmesi modelleri ve anlamsal soyutlama algoritmaları kullanılarak, yalnızca anonimleştirilmiş, anlam düzeyinde bilgiler servis katmanına aktarılır. Bu sayede, hassas uygulamalar için gerekli bilgi sağlanırken bireylerin mahremiyetini koruyan, güvenli ve ölçeklenebilir bir algılama-hizmet modeli sunulmaktadır. TR 2025 021559 A2

AI destekli otonom log analiz sistemi, Kubernetes ortamlarındaki dağıtık sistemlerin loglarını toplar, analiz eder ve anormal durumları tespit ederek otomatik aksiyon önerilerinde bulunur. Makine öğrenmesi algoritmalarıyla log davranış modelleri oluşturarak, sistem hataların kök nedenlerini belirler ve gelecekte oluşabilecek sorunları öngörür. Bu sayede, sistem hataları çözme hızını artırır, cluster?ın genel kararlılığını yükseltir ve insan müdahalesini minimize ederek operasyonel maliyetleri düşürür. TR 2025 021209 A2

Buluş, mobil şebeke tabanlı hassas konumlandırma sistemlerinde, özellikle de 6G THz bandında çalışarak mevcut sistemlerin 1-10 metre doğruluk sınırını aşmayı amaçlamaktadır. Sistem, THz bandının yüksek bant genişliğini ve dar beamleri kullanarak çoklu baz istasyonlarından elde edilen ölçümleri, zamanlama ve açı bilgilerini bir araya getiren bir makine öğrenmesi motoruyla işler. Bu sayede, santimetre altı hassasiyette konum belirleme imkanı sunarak, kapalı alanlarda ve otonom araç uygulamalarında önemli avantajlar sağlar ve konumlandırma maliyetlerini azaltır. TR 2025 021008 A2

Buluş, sanallaştırılmış altyapılarda sanal makinelerin yazılım, konfigürasyon veya güvenlik güncellemelerini otomatikleştiren bir sistemdir. Bu sistem, sanal makinelerin davranışlarını analiz ederek, riskleri tahmin ederek ve yapay zekâ tabanlı optimizasyon teknikleri kullanarak yükseltme süreçlerini daha verimli hale getirmektedir. Sanal makine davranış analizi, bağımlılık tespiti, etki analizi, uygun zamanlama ve otomatik geri alma mekanizmaları sayesinde, yükseltme kararlarının doğruluğu artırılmakta ve kesinti riski minimize edilmektedir. Bu sayede, yükseltme süreçleri daha hızlı, daha güvenli ve daha az maliyetli bir şekilde gerçekleştirilebilmektedir. TR 2025 021002 A2