Öz Son yıllarda internet ağının, çok yaygınlaşması, esnek olması, hızlı ve yüksek kapasite erişimi sunabilmesine bağlı olarak farklı tipteki birçok servis internet protokolü (IP) üzerinden iletilmeye başlanmıştır. Bu servis tiplerinden birisi de ses trafiği olup bu durum klasik haberleşme sistemlerini doğrudan etkilemektedir. Ses iletimi, genel anahtarlamalı telefon ağları (Public Switched Telephone Network, PSTN) yerine IP üzerinden yapılmaya başlanmıştır. Bu yeni haberleşme teknolojisi, IP üzerinden ses iletimi (Voice over IP, VoIP) olarak adlandırılmıştır. VoIP teknolojisinde, ses iletiminin kullanıcı tarafından algılanma kalitesi ise ortalama görüş puanı (Mean Opinion Score, MOS) ile belirlenir. MOS değerinin üretilmesi birçok parametreye bağlıdır. ITU-T (International Telecommunications Union-Telecommunication Standardization Sector) tarafından MOS değerinin belirlenmesi için PSQM (Perceptual Speech Quality Measure), PESQ (Perceptual Evaluation of Speech Quality), POLQA (Perceptual Objective Listening Quality Analysis) gibi birçok model standartlaştırılmıştır. Fakat bu model yapıları, birçok avantaja sahip olmasının yanında referans işaret gereksiniminden dolayı uygulamalarda pratik zorluklar oluşturmaktadır. Buyüzden bu çalışmada, ses iletimindeki MOS kalite değerlerini tahmin etmek amacıyla referans sinyal gerektirmeyen çok katmanlı yapay sinir ağları (YSA) tabanlı bir model yapısı tasarlanmıştır. Bu modelde, giriş olarak IP trafiğine ait servis kalite (Quality of Service, QoS) parametreleri ve çıkış olarak ise elde edilen MOS değerleri kullanılmıştır. Giriş olarak kullanılan bu QoS parametreleri ise paket kaybı (Packet Loss) ve gecikme (Delay) değerleridir. Böylece 2 giriş ve 1 çıkışa sahip bir model oluşturulmuştur. Ayrıca model, farklı QoS parametresi kullanılarak MOS tahmini yapabildiği için esnek bir yapıya da sahiptir. Literatürdeki çalışmalardan farklı olarak bu çalışmada, POLQA yöntemi ile ölçülen MOS değerlerinin YSA model ile tahmin edilmesine çalışılmıştır. YSA modelin eğitim ve test sürecinde LM (Levenberg Marquardt), BR (Bayesian Regulation) ve RPROP (Resilient Backpropagation) algoritması kullanılmıştır. Simülasyon sonucunda elde edilen sonuçlar tablolar ve şekiller vasıtasıyla sunulmuştur. Sonuçlara göre geliştirilen bu metodun ITU-T tarafından önerilen modeller ile karşılaştırılabilir seviyede olduğu gösterilmiştir.