Исправление опечаток

vbystricky · Jan 8, 2024 · 8112a74 · 8112a74
1 parent 34107c2
commit 8112a74
Show file tree

Hide file tree

Showing 2 changed files with 3 additions and 3 deletions.
diff --git a/_includes/footer.html b/_includes/footer.html
@@ -24,7 +24,7 @@
                 </li>
             </ul>
             <ul class="footer-list float-right">
-                <li>&copy; 2017-2022 {{ site.author }}</li>
+                <li>&copy; 2017-2023 {{ site.author }}</li>
             </ul>
         </footer>
     </div>

diff --git a/_posts/2020-05-31-batch_normalization.md b/_posts/2020-05-31-batch_normalization.md
@@ -19,7 +19,7 @@ use_math: true
 <!--more-->
 
 И вот тут начинается самое интересное. Ответ на первый вопрос "что это такое?" в целом не вызывает особой сложности (если подойти к делу формально
-и определить какие же преобразования добавляются в сетку), а вот про "откуда проистекает польза?" идут жаркие споры. Объяснение, авторов методики
+и определить какие же преобразования добавляются в сетку), а вот про "откуда проистекает польза?" идут жаркие споры. Объяснение авторов методики
 подвергается серьёзной критике. 
 
 Мне понравилось как это сформулировано в [3]:
@@ -249,7 +249,7 @@ dropout слои - это ускоряет процесс тренировки
 
 ### Литература
 
-1. *S. Ioffe, Ch. Szegedy, “Batch Normali;zation: Accelerating Deep Network Training by Reducing Internal Covariate Shift”,
+1. *S. Ioffe, Ch. Szegedy, “Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift”,
 [arXiv:1502.03167v3](https://arxiv.org/abs/1502.03167), 2015*
 
 2. *H. Shimodaira, "Improving predictive inference under covariate shift by weighting the log-likelihood function.",