bug fixes

Section05-Neural-Networks-and-Language-Modeling/section05.tex

@@ -1650,7 +1650,7 @@ cycle}
 \end{frame}
 
 %%%------------------------------------------------------------------------------------------------------------
-\subsection{神经网络的简单实现：张量计算}
+\subsection{神经网络的简单实现 - 张量计算}
 
 %%%------------------------------------------------------------------------------------------------------------
 %%% outline: problem 2
@@ -3026,7 +3026,7 @@ J(\textbf{w}_t) = \frac{1}{m} \sum_{i=j}^{j+m} L(\textbf{x}_i,\hat{\textbf{y}}_i
     \end{itemize}
 \item<3-> \textbf{其它}
     \begin{itemize}
-    \item 深度网络梯度消失和爆炸的问题，使用梯度裁剪、残差链接等
+    \item 深度网络梯度消失和爆炸的问题，使用梯度裁剪、残差连接等
     \item 引入正则化因子，可以对外部知识建模，比如引入噪声让训练更稳定
     \end{itemize}
 \end{itemize}
@@ -3809,7 +3809,7 @@ NLP问题的\alert{隐含结构}假设 & 无隐含结构假设，\alert{端到
 \visible<3->{
 \begin{tcolorbox}[enhanced,size=normal,left=2mm,right=1mm,colback=blue!5!white,colframe=blue!75!black,drop fuzzy shadow]
 {\Large
-\textbf{如何词串的生成概率进行建模？}
+\textbf{如何对词串的生成概率进行建模？}
 }
 \end{tcolorbox}
 }
@@ -5342,7 +5342,7 @@ GPT-2 (Transformer) & Radford et al. & 2019 & 35.7
 \begin{itemize}
 \item 讲了很多，累呀累，再整理一下主要观点
     \begin{itemize}
-    \item 神经网络没有那么复杂，入门不能
+    \item 神经网络没有那么复杂，入门并不难
     \item 简单的网络结构可以组合成强大的模型
     \item 语言模型可以用神经网络实现，效果很好，最近出现的预训练等范式证明了神经语言模型的潜力
     \end{itemize}