diff --git a/.obsidian/workspace.json b/.obsidian/workspace.json
index a22d736..7f27a54 100644
--- a/.obsidian/workspace.json
+++ b/.obsidian/workspace.json
@@ -77,7 +77,8 @@
       }
     ],
     "direction": "horizontal",
-    "width": 315.5
+    "width": 315.5,
+    "collapsed": true
   },
   "right": {
     "id": "c501495747cfa761",
diff --git a/Books/动手学深度学习/基础概念.md b/Books/动手学深度学习/基础概念.md
index a845d86..da97d30 100644
--- a/Books/动手学深度学习/基础概念.md
+++ b/Books/动手学深度学习/基础概念.md
@@ -10,3 +10,4 @@ $L(\mathbf{w}, b) = \frac1n\sum_{i=1}^{n} l^i(\mathbf{x}, b)$
   梯度下降法主要计算损失函数关于模型参数的导数。但是每次计算时候遍历整个数据集，效率会很低。所以每次计算先抽取一个小批量$B$(由固定数量的样本组成)的梯度,然后我们将梯度乘以一个预先确定的正数$\eta$，并从当前采纳数的值中减掉。
   $(\mathbf{w}, b) <- (\mathbf{w},b) - \frac{\eta}{|B|} \sum_{i\in{B}}\partial_{(\mathbf{w}, b)}l^i(\mathbf{w},b)$
   其中$\eta$代表学习率
+# 激活函数