সঠিক তথ্য: Unicode এর কোড সাইজ ১৬ বিট (২ বাইট)

ইউনিকোড (Unicode)

• উদ্ভাবন: ১৯৯১ সালে Apple ও Xerox-এর প্রকৌশলী দল যৌথভাবে উদ্ভাবন করেন।

• উদ্দেশ্য: বিশ্বের সব ভাষার অক্ষরকে কম্পিউটারে কোডভুক্ত করা।

• কোড সাইজ: ২ বাইট বা ১৬ বিট

• সংখ্যা: ৬৫,৫৩৬ বা ২০টি অদ্বিতীয় চিহ্ন নির্ধারণ করা যায়।

• বিশেষত্ব: প্রতিটি অক্ষরের ইউনিক নম্বর যেকোনো সিস্টেমে একই থাকে।

• ইতিহাস: ইউনিকোডের প্রথম সংস্করণ ১৯৯১ সালে প্রকাশিত হয়; সর্বশেষ সংস্করণে ১০০,০০০-এরও বেশি অক্ষর অন্তর্ভুক্ত।

• ASCII: ইউনিকোডের আগে বিভিন্ন এনকোডিং সিস্টেম ছিল, যেমন ASCII।

উৎস:
১। তথ্য ও যোগাযোগ প্রযুক্তি, একাদশ-দ্বাদশ শ্রেণি, প্রকৌশলী মুজিবুর রহমান
২। ব্রিটানিকা

Backpropagation বা Backward Propagation of Errors হলো নিউরাল নেটওয়ার্ক প্রশিক্ষণের (training) সবচেয়ে গুরুত্বপূর্ণ অ্যালগরিদমগুলোর একটি। এটি loss function অনুযায়ী মডেলের ওজন (weights) সমন্বয় করে, যাতে আউটপুট ধীরে ধীরে বাস্তব মানের কাছাকাছি আসে। ব্যাকপ্রোপাগেশন মূলত gradient descent পদ্ধতির ওপর ভিত্তি করে কাজ করে, যেখানে প্রতিটি স্তরের ত্রুটি (error) পেছনের দিকে প্রেরণ করে ওজন হালনাগাদ করা হয়।

এই অ্যালগরিদমটি বিভিন্ন ধরনের নিউরাল নেটওয়ার্কে ব্যবহৃত হয়, যেমন—

• ক) MLP (Multilayer Perceptron):
  এটি একটি পূর্ণসংযুক্ত (fully connected) feedforward নেটওয়ার্ক, যেখানে একাধিক হিডেন লেয়ার থাকে। ব্যাকপ্রোপাগেশন এখানে প্রতিটি লেয়ারের ওজন ধাপে ধাপে সংশোধন করে, যাতে আউটপুট ও বাস্তব ফলাফলের পার্থক্য কমানো যায়। MLP-এর শেখার প্রক্রিয়ার মূল ভিত্তিই ব্যাকপ্রোপাগেশন।

• খ) CNN (Convolutional Neural Network):
  CNN সাধারণত ছবি বা গ্রিড-ভিত্তিক ডেটা প্রক্রিয়াকরণের জন্য ব্যবহৃত হয়। এখানে ব্যাকপ্রোপাগেশন ব্যবহার করা হয় কনভলিউশনাল ফিল্টার, পুলিং লেয়ার ও ফুলি কানেকটেড লেয়ার–এর ওজন আপডেট করার জন্য। গ্রেডিয়েন্টগুলো আউটপুট থেকে ইনপুটের দিকে পেছনের দিকে ছড়িয়ে পড়ে, যার ফলে ফিল্টারগুলো ছবির গুরুত্বপূর্ণ বৈশিষ্ট্য শিখে নিতে পারে।

• গ) RNN (Recurrent Neural Network):
  RNN ধারাবাহিক বা সময়-নির্ভর ডেটা (যেমন টাইম সিরিজ, টেক্সট বা ভাষা) প্রক্রিয়াকরণে ব্যবহৃত হয়। এটি ব্যাকপ্রোপাগেশনের একটি পরিবর্তিত রূপ Backpropagation Through Time (BPTT) ব্যবহার করে। এই পদ্ধতিতে প্রতিটি সময় ধাপে সৃষ্ট ত্রুটি পেছনের দিকে ছড়িয়ে দিয়ে ওজন আপডেট করা হয়, যাতে নেটওয়ার্ক ধারাবাহিক ডেটার নির্ভরতা (temporal dependencies) শিখতে পারে।

অতএব, MLP, CNN এবং RNN—এই তিন ধরনের নেটওয়ার্কই ব্যাকপ্রোপাগেশন বা এর ভ্যারিয়েন্ট ব্যবহার করে ওজন সমন্বয় করে। তাদের মধ্যে পার্থক্য কেবল ডেটা কাঠামো ও সংযোগের ধরনে, কিন্তু শেখার প্রক্রিয়ায় ব্যাকপ্রোপাগেশনই মূল ভিত্তি।

সুতরাং সঠিক উত্তর হলো: ঘ) All of the above — কারণ তিনটি নেটওয়ার্ক আর্কিটেকচারই শেখার সময় ব্যাকপ্রোপাগেশন অ্যালগরিদমের ওপর নির্ভরশীল।

MIPS-এর পূর্ণরূপ হলো Million Instructions Per Second।

MIPS (Million Instructions Per Second) হলো কম্পিউটারের প্রসেসিং গতি পরিমাপের একটি একক, যা প্রতি সেকেন্ডে সম্পাদিত মিলিয়ন সংখ্যক নির্দেশনা (instructions) বোঝায়। এটি সাধারণত CPU পারফরম্যান্স নির্ধারণের জন্য ব্যবহৃত হয়, বিশেষ করে RISC (Reduced Instruction Set Computing) প্রসেসরগুলোর ক্ষেত্রে।

যদিও MIPS কম্পিউটারের পারফরম্যান্সের একটি সাধারণ নির্দেশক, এটি সবসময় নির্ভুলভাবে কার্যক্ষমতা প্রতিফলিত করে না, কারণ প্রসেসরের কার্যক্ষমতা নির্ভর করে নির্দেশনার ধরন, ক্যাশ মেমোরি, এবং সফটওয়্যার অপ্টিমাইজেশনের ওপর।