diff --git "a/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/10.\345\276\252\347\216\257\347\245\236\347\273\217\347\275\221\347\273\234.md" "b/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/10.\345\276\252\347\216\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
index d1b252f..ea3522e 100644
--- "a/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/10.\345\276\252\347\216\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
+++ "b/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/10.\345\276\252\347\216\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
@@ -12,6 +12,8 @@ $$
 
 ![循环神经网络原理](./image/循环神经网络原理.png)
 
+循环神经网络的神经元接受其他神经元和自身两部分信息，进而形成具有环路的网络结构
+
 # 标准循环神经网络 (RNN) 模型
 
 ## 循环神经网络介绍
@@ -90,11 +92,11 @@ $$
 
 $$
 h_t = f_1(h_{t-1}, x_t), \quad \forall t \in [1, T]
-$$  
+$$
 
 $$
 h_{T+t} = f_2(h_{T+t-1}, \hat{y}_{t-1}), \quad \forall t \in [1, M]
-$$  
+$$
 
 $$
 \hat{y}_t = g(h_{T+t}), \quad \forall t \in [1, M]
diff --git "a/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/9.\345\215\267\347\247\257\347\245\236\347\273\217\347\275\221\347\273\234.md" "b/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/9.\345\215\267\347\247\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
index ba20a22..7e07121 100644
--- "a/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/9.\345\215\267\347\247\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
+++ "b/\344\272\272\345\267\245\346\231\272\350\203\275\345\237\272\347\241\200\344\270\216\345\272\224\347\224\250/9.\345\215\267\347\247\257\347\245\236\347\273\217\347\275\221\347\273\234.md"
@@ -63,7 +63,7 @@ $$
 ### 全连接层
 
 - 全连接层目的：在于分类/回归等
-- 前面若干层 (卷积、激活、池化等) 目的：实现从**数据变换**中**提取特征***，作为全连接层的**输入**为全连接层服务
+- 前面若干层 (卷积、激活、池化等) 目的：实现从**数据变换**中**提取特征**，作为全连接层的**输入**为全连接层服务
 
 ## 卷积神经网络的应用