Delta Modulation (DM) হলো Differential Pulse Code Modulation (DPCM)-এর একটি সরলীকৃত রূপ, যেখানে প্রতি স্যাম্পলে মাত্র ১-বিট কোয়ান্টাইজেশন ব্যবহার করা হয়। এটি ইনপুট অ্যানালগ সিগন্যালকে একটি staircase waveform দিয়ে আনুমানিকভাবে উপস্থাপন করে। যদিও এর বাস্তবায়ন সহজ, তবে এটি দুটি প্রধান বিকৃতি বা noise সমস্যার জন্য পরিচিত — slope-overload distortion এবং granular noise।

• Slope-Overload Distortion (উচ্চ সম্ভাবনা):
  Delta Modulation একটি fixed step size (Δ) ব্যবহার করে। যখন ইনপুট সিগন্যালের পরিবর্তন হার (slope) খুব বেশি হয় এবং step size খুব ছোট থাকে, তখন staircase waveform ইনপুট সিগন্যালকে সঠিকভাবে অনুসরণ করতে পারে না। এর ফলে আউটপুট সিগন্যাল মূল waveform-এর পেছনে পড়ে থাকে এবং slope-overload distortion ঘটে।
  সহজভাবে বলতে গেলে, যখন ইনপুট সিগন্যাল দ্রুত বৃদ্ধি বা হ্রাস পায়, DM সেই পরিবর্তনকে অনুসরণ করতে ব্যর্থ হয় কারণ এর ধাপ (step) স্থির এবং সীমিত।

• Granular Noise (উল্লেখযোগ্য):
  অন্যদিকে, যখন ইনপুট সিগন্যালের পরিবর্তন খুব সামান্য বা প্রায় স্থির (flat), তখনও DM তার স্থির step size অনুযায়ী সিগন্যালকে উপরে নিচে সামান্য নড়াচড়া করায়। এর ফলে staircase waveform প্রকৃত সিগন্যালের চারপাশে বারবার ওঠানামা করে, যাকে granular noise বা idling noise বলা হয়। এটি ঘটে কারণ DM-এর step size ছোট হলেও স্থির থাকে—সিগন্যাল স্থির থাকলে সেটি আরও ছোট করা সম্ভব হয় না। ফলে আউটপুটে একপ্রকার কৃত্রিম কম্পন দেখা যায়।

• অন্য বিকল্পগুলোর বৈশিষ্ট্য:

  • DPCM (Differential PCM): এটি DM-এর উন্নত সংস্করণ, যেখানে একাধিক বিট ব্যবহার করা হয়। বেশি বিট ব্যবহারের কারণে এটি ইনপুট সিগন্যালের পরিবর্তন ভালোভাবে অনুসরণ করতে পারে এবং উভয় ধরণের noise (slope-overload ও granular) কমায়।

  • PCM (Pulse Code Modulation): এটি ইনপুট সিগন্যালের absolute amplitude কোয়ান্টাইজ করে, সিগন্যালের পার্থক্য নয়। ফলে এটি slope-overload বা granular noise-এর সমস্যায় ভোগে না; এর প্রধান ত্রুটি হলো quantization noise, যা সিগন্যালের পুরো রেঞ্জে সমানভাবে উপস্থিত থাকে।

  • APM (Adaptive Pulse Modulation) বা সঠিকভাবে ADM (Adaptive Delta Modulation): এটি DM-এর একটি উন্নত রূপ, যেখানে step size পরিবর্তনশীল (adaptive)। এর ফলে ইনপুট সিগন্যাল দ্রুত পরিবর্তিত হলে step size বড় হয় (slope-overload কমাতে) এবং সিগন্যাল স্থির হলে step size ছোট হয় (granular noise কমাতে)।

উপসংহার:
Delta Modulation (DM)-এ উভয়ই সমস্যা দেখা দেয় — slope-overload distortion (যখন সিগন্যাল দ্রুত পরিবর্তিত হয়) এবং granular noise (যখন সিগন্যাল স্থির থাকে)। এর কারণ হলো স্থির ও সীমিত step size। এই সীমাবদ্ধতাই পরবর্তীতে Adaptive Delta Modulation (ADM) আবিষ্কারের প্রেরণা দেয়।

সঠিক উত্তর: খ) DM (Delta Modulation)

Gradient Descent হলো একটি অপ্টিমাইজেশন অ্যালগরিদম, যা মূলত কোনো cost function বা error function-এর মান সর্বনিম্ন করতে ব্যবহৃত হয়। যদিও এটি আধুনিক কৃত্রিম বুদ্ধিমত্তা (AI) এবং মেশিন লার্নিং মডেলের একটি অপরিহার্য উপাদান, তবুও এটি নিজে কোনো AI technique বা learning paradigm নয়। বরং এটি অন্যান্য AI অ্যালগরিদমের ভিতরে ব্যবহৃত একটি গাণিতিক টুল।

অন্যদিকে, Genetic Algorithm, Deep Learning, এবং Reinforcement Learning—এই তিনটি বাস্তবিক অর্থে AI techniques বা learning approaches, যা সমস্যার সমাধান, শেখা, এবং সিদ্ধান্ত গ্রহণে ব্যবহৃত হয়।

বিস্তারিতভাবে ব্যাখ্যা করা যাক—

• ক) Gradient Descent (Optimization Algorithm):
  এটি একটি গাণিতিক পদ্ধতি, যা মডেলের প্যারামিটার আপডেট করে যেন loss function সর্বনিম্ন হয়। উদাহরণস্বরূপ, Deep Learning-এ এটি নিউরাল নেটওয়ার্কের ওজন পরিবর্তন করে ধীরে ধীরে সঠিক আউটপুটের দিকে নিয়ে যায়। যদিও এটি AI মডেল ট্রেনিংয়ের মূল ভিত্তি, তবুও এটি নিজে কোনো AI শাখা নয়; এটি কেবল AI-এর অভ্যন্তরীণ অপ্টিমাইজেশন প্রক্রিয়ার অংশ।

• খ) Genetic Algorithm (AI Technique):
  এটি একটি Evolutionary Computation পদ্ধতি, যা natural selection এবং genetic evolution ধারণা থেকে অনুপ্রাণিত। এটি জটিল সার্চ এবং অপ্টিমাইজেশন সমস্যার সমাধানে ব্যবহৃত হয় এবং এটি AI-এর একটি স্বতন্ত্র কৌশল হিসেবে স্বীকৃত।

• গ) Deep Learning (AI Paradigm):
  এটি Machine Learning-এর একটি উপশাখা, যেখানে artificial neural networks-এর বহু স্তর ব্যবহার করে জটিল ডেটা প্যাটার্ন শেখানো হয়। আজকের AI প্রযুক্তির মূলভিত্তি যেমন—speech recognition, image classification, NLP—সবই Deep Learning-এর ফল।

• ঘ) Reinforcement Learning (AI Paradigm):
  এটি এমন একটি শেখার পদ্ধতি, যেখানে একটি agent পরিবেশের সঙ্গে ক্রিয়া করে এবং reward signal সর্বাধিক করার চেষ্টা করে। উদাহরণস্বরূপ, self-driving cars বা game-playing agents (যেমন AlphaGo) Reinforcement Learning-এর উদাহরণ।

উপসংহার:
সবগুলো বিকল্পই কোনো না কোনোভাবে AI-এর সাথে সম্পর্কিত, কিন্তু Gradient Descent নিজে কোনো AI technique নয়; এটি কেবল একটি গাণিতিক অপ্টিমাইজেশন পদ্ধতি, যা অন্যান্য AI মডেলের ভিতরে ব্যবহৃত হয় শেখার জন্য।

সঠিক উত্তর: ক) Gradient Descent

একটি Zombie Process হলো এমন একটি প্রক্রিয়া যা নিজের কাজ সম্পন্ন করেছে, কিন্তু এখনো Process Table–এ এন্ট্রি হিসেবে রয়ে গেছে, কারণ এর Parent Process এখনো তার exit status acknowledge (wait() system call) করেনি। এই প্রক্রিয়াটি সম্পূর্ণভাবে মুছে ফেলার জন্য প্যারেন্টকে তার চাইল্ডের এক্সিট স্ট্যাটাস পড়তে হয়, যাকে বলা হয় reaping। একবার স্ট্যাটাস পড়ে নিলে, প্রক্রিয়াটি পুরোপুরি মুছে যায়।

ভুল বিকল্পগুলোর ব্যাখ্যা:

• খ) Process waiting for I/O: এটি কেবল একটি blocked বা waiting state–এ থাকা প্রক্রিয়া, zombie নয়।

• গ) Process stuck in deadlock: এখানে প্রক্রিয়াটি অন্য একটি রিসোর্সের জন্য অনির্দিষ্টকাল অপেক্ষা করছে, যা zombie অবস্থা নয়।

• ঘ) Process in an infinite loop: এটি একটি running process, যা CPU ব্যবহার করছে কিন্তু এখনো শেষ হয়নি; তাই এটি zombie নয়।

উ. ক) a process whose parent has not acknowledged its exit status
ব্যাখ্যা: Zombie process তখনই তৈরি হয়, যখন কোনো প্রক্রিয়া শেষ হয়ে গেলেও তার প্যারেন্ট wait() করে এক্সিট স্ট্যাটাস পড়ে না, ফলে প্রক্রিয়ার তথ্য Process Table–এ থেকে যায়।