修正部分内容

0_1-全连接层、损失函数的反向传播.md

@@ -16,7 +16,7 @@ d) 熟悉矩阵和向量的乘加运算
 
 ## 约定说明
 
-a) 对于一个$n$层神经网络,第$i$层表示为$l_i, \  1 \le i \le n$ ,第$i$神经元个数为$|l_i|$ ; 注意$l_i$是输入层, $l_n$ 是输出层。
+a) 对于一个$n$层神经网络,第$i$层表示为$l_i, \  1 \le i \le n$ ,第$i$神经元个数为$|l_i|$ ; 注意$l_1$是输入层, $l_n$ 是输出层。
 
 
 
@@ -28,15 +28,15 @@ c) 设神经网络中第i层的输出为$z^i$,($z^i$ 都是行向量)则 $x=z^1,
 
 
 
-d) 定义损失函数为$L(y,y^*)$ ;其中$y*$ 为样本的真实$y$值
+d) 定义损失函数为$L(y,y^*)$ ;其中$y^*$ 为样本的真实$y$值
 
 
 
 ## 误差反向
 
 a) 记损失函数L关于第$i$ 层神经元的输出$z^i$ 的偏导为$\delta^i = \frac {\partial L} {\partial z^i}  \ \ \ (1)$
 
-b) 首先我们来看看损失函数L在最后一层参数上的偏导;也就是$\frac {\partial L} {\partial W^{n-1}}$ 和 $\frac {\partial L} {\partial b^{n-1}}$
+b) 首先我们来看看损失函数L在最后一层参数上的偏导;也就是$\frac {\partial L} {\partial W^{n-1}}​$ 和 $\frac {\partial L} {\partial b^{n-1}}​$
 $$
 \begin{align*}
 & \frac {\partial L} {\partial W^{n-1}_{i,j}} \ \ \  \\