几乎所有的活动都需要一些在不确定性存在的情况下进行推理的能力。不确定性有（）等可能的来源。

下面是一段将图像转换为向量的函数img2vector。该函数创建1×1024的NumPy数组，然后打开给定的文件，循环读出文件的前32行，并将每行的头32个字符值存储在NumPy数组中，最后返回数组。请问填充在空白处的代码应该是哪个。
def img2vector(filename):
returnVect = zeros((1,1024))
fr = open(filename)
for i in range(32):
______________________________
for j in range(32):
returnVect[0, 32*i+j] = int(lineStr[j])
return returnVect

机器学习算法的一般流程是（）。

强化学习的回报值一个重要特点是具有()。

马尔可夫性质强调在每一个动作状态序列中,下一个状态与()有关。

在强化学习过程中,()表示随机地采取某个动作,以便于尝试各种结果;()表示采取当前认为最优的动作,以便于进一步优化评估当前认为最优的动作的值。

在ε-greedy策略当中,ε的值越大,表示采用随机的一个动作的概率越(),采用当前Q函数值最大的动作的概率越()。

在强化学习的过程中,学习率α越大,表示采用新的尝试得到的结果比例越(),保持旧的结果的比例越()。

()有跟环境进行交互,从反馈当中进行不断的学习的过程。

关于MNIST,下列说法错误的是()。

前馈型神经网络的中各个层之间是()的,反馈型神经网络中各个层之间是()的。