diff --git a/.obsidian/appearance.json b/.obsidian/appearance.json
index e39d435..ad5d4dc 100644
--- a/.obsidian/appearance.json
+++ b/.obsidian/appearance.json
@@ -2,7 +2,7 @@
   "accentColor": "",
   "cssTheme": "Minimal",
   "monospaceFontFamily": "Maple Mono SC NF",
-  "theme": "moonstone",
+  "theme": "obsidian",
   "interfaceFontFamily": "霞鹜文楷",
   "textFontFamily": "霞鹜文楷等宽",
   "translucency": false
diff --git a/Study/DL/吴恩达深度学习课程/Lesson 1.md b/Study/DL/吴恩达深度学习课程/Lesson 1.md
index b15ffc2..ea8e97a 100644
--- a/Study/DL/吴恩达深度学习课程/Lesson 1.md	
+++ b/Study/DL/吴恩达深度学习课程/Lesson 1.md	
@@ -18,7 +18,7 @@ b &= b - \eta \cdot db
 反向传递：更新模型参数。
 sigmoid函数：消除线性。
 > 线性激活函数: $a = z$
-> 如果我们使用线性激活函数，无论我们经过多少层网络迭代，都相当于是对输入进行线性变换，
+> 如果我们使用线性激活函数，无论我们经过多少层网络迭代，都相当于是对输入进行线性变换。
 
 损失函数：计算模型预测结果的精度，反向传播的目的就是使得。
 ## Vectorization