edit typo

simplenet/simplenet.ipynb

@@ -32,7 +32,7 @@
     "$$\\frac{\\partial C}{\\partial w^{l}_{jk}} = a^{l-1}_{k} \\delta^{l}_{j}$$\n",
     "<br/>\n",
     "<li> 완전 연결층만 구현</li>\n",
-    "<li> 코스트 함수 : Mean Square Error, Binary Cross Entropy, Categorical Cross Engropy</li>\n",
+    "<li> 코스트 함수 : Mean Square Error, Binary Cross Entropy, Categorical Cross Entropy</li>\n",
     "<li> 활성 함수 : Sigmoid, Relu, Softmax</li>\n",
     "<li> 기타 구현 : Regularization, Dropout, Batch Normalization\\*</li>\n",
     "<li> 테스트데이터 : MNIST</li>\n",
@@ -422,8 +422,8 @@
    "source": [
     "#### 2.1.4 더 그냥 쉽게....\n",
     "<div style=\"line-height:30px;font-size:15px;\">\n",
-    "2.1.2절 마지막 식의 곱이나 2.1.3절의 곱을 실제로 해보면 $\\boldsymbol{\\delta^{L}} = \\mathbf{a}^{L}_{x_{1}} - \\mathbf{y}_{x_{1}}$ \n",
-    "라는 사실을 알 수 있다. 그래서 복잡하게 하지말고 softmax는 cross entropy하고 쓰니까 그냥 출력층 $\\boldsymbol{\\delta}$는 $ \\mathbf{a} - \\mathbf{y} $하면 된다. 그냥 공부하려고 복잡하게 한 것임;;; 소스에는 그렇게 구현하지는 않았다. Nielsen문서에는 그렇게 구현되어 있다.\n",
+    "2.1.2절 마지막 식의 곱이나 2.1.3절의 곱을 실제로 해보면 $\\boldsymbol{\\delta^{L}} = \\mathbf{a}^{L}_{\\mathbf{x}_{1}} - \\mathbf{y}_{\\mathbf{x}_{1}}$ \n",
+    "라는 사실을 알 수 있다. 그래서 복잡하게 하지말고 softmax는 cross entropy하고 쓰니까 그냥 출력층 $\\boldsymbol{\\delta}$는 $ \\mathbf{a} - \\mathbf{y} $하면 된다. 그래서 이 둘을 묶어서 Softmax classifier라 하기도 한다. 그냥 공부하려고 복잡하게 한 것임;;; 소스에는 그렇게 구현하지는 않았다. Nielsen문서에는 그렇게 구현되어 있다.\n",
     "</div>"
    ]
   },