Canbilen, Ayşe ElifMohammedelkhatim, Muzamil2025-09-102025-09-102025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=5NNqZKwwGohPh6_KCcfp-sEYuw9XY2hz3BWNzlgDAg02h_b1AV-MUdARGgQncof6https://hdl.handle.net/20.500.13091/10777Mevcut İHA konumlandırma yöntemleri genellikle statik veya kural tabanlıdır, bu da değişen çevresel koşullara ve kullanıcı taleplerine hızlı bir şekilde yanıt verme yeteneklerini sınırlamaktadır. Bu tez çalışmasında, dinamik ortamlarda İnsansız Hava Araçları (İHA) için derin öğrenmeye dayalı dinamik bir konumlandırma sistemi geliştirilmesi amaçlanmaktadır. İHA kapsama alanını optimize etmek ve yanıt sürelerini iyileştirmek için bir Derin Öğrenme algoritması kullanılacaktır. Sistem, afet müdahalesi, gözetim ve iletişim ağları gibi dinamik adaptasyonun kritik öneme sahip olduğu senaryolarda etkili bir performans gösterecek şekilde tasarlanacaktır. Simülasyon ortamında geliştirilecek model, kullanıcı talepleri ve çevresel faktörlere dayalı olarak İHA'ların konumlarını gerçek zamanlı olarak sürekli optimize edecektir. Sistemin performansı, kapsama alanı genişliği, yanıt süresi ve dinamik koşullarda uyarlanabilirlik gibi kriterler üzerinden değerlendirilecektir. Bu araştırma, literatürdeki statik ve kural tabanlı yaklaşımların sınırlamalarını gidermeyi ve derin öğrenme teknikleri kullanarak daha etkili bir İHA konumlandırma sistemi sağlamayı hedeflemektedir.Existing UAV positioning methods are often static or rule-based, which limits their ability to respond quickly to changing environmental conditions and user demands. This thesis aims to develop a deep learning based dynamic positioning system for Unmanned Aerial Vehicles (UAVs) in dynamic environments. A Deep Learning algorithm will be used to optimize UAV coverage and improve response times. The system will be designed to perform effectively in scenarios where dynamic adaptation is critical, such as disaster response, surveillance and communication networks. The simulation model will continuously optimize the position of UAVs in real-time based on user demands and environmental factors. The performance of the system will be evaluated based on criteria such as coverage, response time and adaptability in dynamic conditions. This research aims to overcome the limitations of static and rule-based approaches in the literature and provide a more effective UAV positioning system using deep learning techniques.trElektrik ve Elektronik MühendisliğiElectrical and Electronics EngineeringMaster Thesis