Rule47：请使用traits classes表现类型信息Use traits classes for information about types.STL 主要由“用以表现容器、迭代器和算法”的templates构成，也覆盖了若干工具性templates，其中一个名为advance，用来将某个迭代器移动某个给定距离。观念上advance只是做iter+=d动作，但是不可以全然那么做，

Rule4：当关乎效率时应该在map::operator[]和map-insert之间仔细选择map[key] = value;这是一种简要的写法，这个操作是，如果key值不存在，插入这样一个键值对，如果key值存在，则修改这个键的值。结论是：当给map添加一个元素时，我们断定insert比operator[]好；而当更新已经在map里的元素值时operator[]更好。Rule25：熟悉非

Rule20:为指针的关联容器指定比较类型有如下情况，有一个string*指针的set，你把一些动物的名字插入set：set<string*> ssp;ssp.insert(new string("Anteater"));ssp.insert(new string("Wombat"));ssp.insert(new string("Lemur"));ssp.insert(new stri

Rule33:提防在指针的容器上使用类似remove的算法我们可以分析出remove的算法流程，他像这样：其中B和C对象是不合格的对象，需要从中删除，如果我们使用remove方法，得到的结果是这样：因为他会将位置2，和3的指针值替换为4，5位置的值，形成一个有效区域(1-3)。这就是最后的有效区间。这个时候，对象B，C已经不能正常回收了。造成了资源泄漏。然后经过erase方

人工神经网络又称神经网络。神经网络是一种学习器，给他一组输入，他会得到一组输出，神经网络里的结点相互连接决定了输入的数据在里面经过怎样的计算。我们可以通过大量的输入，让神经网络调整它自身的连接情况从而总是能够得到我们预期的输出。神经网络对于逼近实数值、离散值或向量值的目标函数提供了一种健壮性很强的方法，现在已经成功应用到很多领域，例如视觉场景分析，手写字符识别，语音识别、人脸识别等。需要学习的目标

1.     简介         在计算机视觉和机器学习中，对于一个高维特征，找到训练数据中的最近邻计算代价是昂贵的。对于高维特征，目前来说最有效的方法是 the randomized k-d forest和the priority search k-means tree，而对于二值特征的匹配 multiple hierarchical clusteringtrees则比LSH方法更加有