在编写函数时，建议首先对形参进行类型检查和数值范围检查之后再编写功能代码，或者使用异常处理结构，尽量避免代码抛出异常而导致程序崩溃。

为了对某图像中的目标进行分析和识别，一般需要对图像进行（）处理。

以下算法中可以用于图像平滑的是()。

长短期记忆LSTM 具有与循环神经网络相似的控制流，两者的区别在于LSTM中增加了（ ）导致单元内的处理过程不同。

长短期记忆LSTM的核心贡献是引入了()的巧妙构思,该构思中的权重视上下文而定，而不是固定的。

循环神经网络中，假设输入是一个32*32*3的图像，3表示RGB三通道，卷积核的结构是5*5*3，共6个不同的卷积核，一个卷积核产生一个feature map，则输出的feature map 矩阵的结构是（）。

循环神经网络(recurrent neural network，RNN)，是一种用于处理具有类似( )的数据的神经网络。

卷积神经网络(convolu-tional neural network，CNN)，是一种专门用来处理具有类似( )的数据的神经网络。

Transformer中抛弃了传统的CNN和RNN，整个网络结构完全是由()机制组成。

在RNN中，目前使用最广泛的模型便是（）模型，该模型能够更好地建模长序列。

SIFT特征是基于物体上的一些局部外观的兴趣点而与影像的（）无关。