fix #179 #180

exacity · Jun 25, 2018 · 2e97c58 · 2e97c58
1 parent 4e42a3c
commit 2e97c58
Show file tree

Hide file tree

Showing 2 changed files with 2 additions and 2 deletions.
diff --git a/Chapter1/introduction.tex b/Chapter1/introduction.tex
@@ -326,7 +326,7 @@ \subsection{神经网络的众多名称和命运变迁}
 % -- 13 --
 
 现代术语``\gls{DL}''超越了目前\gls{ML}模型的神经科学观点。
-它诉诸于学习\emph{多层次组合}这一更普遍的原理，这一原理也可以应用于那些并非受神经科学启发的\gls{ML}框架。
+它诉诸学习\emph{多层次组合}这一更普遍的原理，这一原理也可以应用于那些并非受神经科学启发的\gls{ML}框架。
 
 
 现代\gls{DL}的最早前身是从神经科学的角度出发的简单线性模型。

diff --git a/Chapter10/sequence_modeling_rnn.tex b/Chapter10/sequence_modeling_rnn.tex
@@ -280,7 +280,7 @@ \subsection{\glsentrytext{teacher_forcing}和输出\glsentrytext{recurrent_netwo
 因为训练集提供输出的理想值，所以没有必要先计算前一时刻的输出。
 
 由输出反馈到模型而产生循环连接的模型可用\firstgls{teacher_forcing}进行训练。
-训练模型时，\gls{teacher_forcing}不再使用最大似然\gls{criterion}，而在时刻$t+1$接收真实值$y^{(t)}$作为输入。
+\gls{teacher_forcing}一个源自于最大似然\gls{criterion}的过程，在训练模型时的时刻$t+1$接收真实值$y^{(t)}$作为输入。
 我们可以通过检查两个\gls{time_step}的序列得知这一点。
 条件最大似然\gls{criterion}是
 \begin{align}