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\250/8.\344\272\272\345\267\245\347\245\236\347\273\217\347\275\221\347\273\234\344\270\216\350\277\236\346\216\245\345\255\246\344\271\240.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\250/8.\344\272\272\345\267\245\347\245\236\347\273\217\347\275\221\347\273\234\344\270\216\350\277\236\346\216\245\345\255\246\344\271\240.md"
index a535a70..a7ccd31 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\250/8.\344\272\272\345\267\245\347\245\236\347\273\217\347\275\221\347\273\234\344\270\216\350\277\236\346\216\245\345\255\246\344\271\240.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\250/8.\344\272\272\345\267\245\347\245\236\347\273\217\347\275\221\347\273\234\344\270\216\350\277\236\346\216\245\345\255\246\344\271\240.md"
@@ -66,7 +66,7 @@ $$
 | 1     | 0     | 0     | $w_{1} \cdot 1 + w_{2} \cdot 0 - \theta < 0$ | $\theta > w_{1}$ |
 | 1     | 1     | 1     | $w_{1} \cdot 1 + w_{2} \cdot 1 - \theta \geq 0$ | $\theta \leq w_{1} + w_{2}$ |
 
-可以证明此表有解，例如取 $w_{1}=1$，$w_{2}=1$，$\theta=1.5$，其分类结果如图所示
+可以证明此表有解，例如取 $w_{1}=1$， $w_{2}=1$， $\theta=1.5$，其分类结果如图所示
 
 ![与](./image/与.png)
 
@@ -82,7 +82,7 @@ $$
 | 1       | 0       | 1             | $w_1 \cdot 1 + w_2 \cdot 0 - \theta \geq 0$ | $\theta \leq w_1$ |
 | 1       | 1       | 1             | $w_1 \cdot 1 + w_2 \cdot 1 - \theta \geq 0$ | $\theta \leq w_1 + w_2$ |
 
-此表也有解，例如取 $w_1=1$，$w_2=1$，$\theta=0.5$，其分类结果如右图所示
+此表也有解，例如取 $w_1=1$ ， $w_2=1$ ， $\theta=0.5$ ，其分类结果如右图所示
 
 ![或](./image/或.png)
 
@@ -94,7 +94,7 @@ $$
 | 0       | 1       | $w_1 \cdot 0 - \theta \geq 0$  | $\theta \leq 0$ |
 | 1       | 0       | $w_1 \cdot 1 - \theta < 0$       | $\theta > w_1$ |
 
-此表也有解，例如取 $w_1 = -1$，$\theta = -0.5$，其分类结果如图所示。
+此表也有解，例如取 $w_1 = -1$ ， $\theta = -0.5$ ，其分类结果如图所示。
 
 ![非](./image/非.png)
 
@@ -108,7 +108,7 @@ $$
 | 1       | 0       | 1              | $w_1 \cdot 1 + w_2 \cdot 0 - \theta \geq 0$ | $\theta \leq w_1$ |
 | 1       | 1       | 0              | $w_1 \cdot 1 + w_2 \cdot 1 - \theta < 0$ | $\theta > w_1 + w_2$ |
 
-此表无解，即无法找到满足条件的 $w_1$、$w_2$ 和 $\theta$，如图所示。因为异或问题是一个非线性可分问题，需要用多层感知器来解决。
+此表无解，即无法找到满足条件的 $w_1$ 、 $w_2$ 和 $\theta$ ，如图所示。因为异或问题是一个非线性可分问题，需要用多层感知器来解决。
 
 ![异或](./image/异或.png)
 
@@ -229,7 +229,7 @@ $$
 - 期望输出：若输入样本属于 A 类，期望输出为 +1，否则为 -1 ( 0 )
 
 单层感知器学习算法可描述如下：
-- 设 t = 0，初始化连接权和阈值。即给 $w_i(0)$ (i=1, 2, … ,n) 及 $\theta(0)$ 分别赋予一个较小的非零随机数，作为初值。其中，$w_i(0)$ 是第 0 次迭代时输入向量中第 i 个输入的连接权值；$\theta(0)$ 是第 0 次迭代时输出节点的阈值；
+- 设 t = 0，初始化连接权和阈值。即给 $w_i(0)$ (i=1, 2, … ,n) 及 $\theta(0)$ 分别赋予一个较小的非零随机数，作为初值。其中， $w_i(0)$ 是第 0 次迭代时输入向量中第 i 个输入的连接权值； $\theta(0)$ 是第 0 次迭代时输出节点的阈值；
 - 提供新的样本输入 $x_i(0)$ (i=1, 2, … , n) 和期望输出 d(t)；
 - 计算网络的实际输出：