fix typo (#259)

szcf-weiya · Sep 12, 2024 · 798c65a · 798c65a
1 parent 7897c92
commit 798c65a
Show file tree

Hide file tree

Showing 2 changed files with 3 additions and 3 deletions.
diff --git a/...d-Graphical-Models/17.3-Undirected-Graphical-Models-for-Continuous-Variables.md b/...d-Graphical-Models/17.3-Undirected-Graphical-Models-for-Continuous-Variables.md
@@ -4,7 +4,7 @@
 | ---- | ---------------------------------------- |
 | 翻译   | szcf-weiya                               |
 | 发布 | 2016-09-30 |
-|更新|2019-07-25 21:17:03|
+|更新|{{ git_revision_date }}|
 |状态|Done|
 
 这里我们考虑所有变量都是连续变量的马尔科夫网络．这样的图模型几乎总是用到高斯分布，因为它有方便的分析性质．我们假设观测值服从均值为 $\mu$，协方差为 $\mathbf \Sigma$ 的多元高斯分布．因为高斯分布至多表示二阶的关系，所以它自动地编码了一个成对马尔科夫图．
@@ -185,7 +185,7 @@ Meinshausen and Bühlmann (2006)[^9] 对这个问题采取简单的方式：不
 $$
 \mathrm{log\; det}\mathbf\Theta-\mathrm{trace}(\mathbf{S\Theta})-\lambda\Vert\mathbf \Theta\Vert_1\tag{17.21}
 $$
-其中 $\Vert\Theta\Vert^{-1}$ 为 $L_1$ 范数——$\mathbf \Sigma^{-1}$ 的元素的绝对值之和，并且我们忽略了常数值．这个带惩罚的似然函数的负值是关于 $\mathbf \Theta$ 的凸函数．
+其中 $\Vert\mathbf{\Theta}\Vert_1$ 为 $L_1$ 范数——$\mathbf \Sigma^{-1}$ 的元素的绝对值之和，并且我们忽略了常数值．这个带惩罚的似然函数的负值是关于 $\mathbf \Theta$ 的凸函数．
 
 !!! note "weiya 注："
 	注意区分矩阵的 $L_1$ 范数和 $p$ 范数

diff --git a/mkdocs.yml b/mkdocs.yml
@@ -241,7 +241,7 @@ edit_uri: edit/master/docs/
 
 #website_cn: 随笔
 
-copyright: 'Copyright &copy; 2016-2022 weiya'
+copyright: 'Copyright &copy; 2016-2024 weiya'
 
 markdown_extensions:
   - admonition