diff --git a/Chapter2/linear_algebra.tex b/Chapter2/linear_algebra.tex
index 3535fa6..ab601a4 100644
--- a/Chapter2/linear_algebra.tex
+++ b/Chapter2/linear_algebra.tex
@@ -17,7 +17,7 @@ \chapter{线性代数}
 
 
 
-\section{标量，向量，矩阵和张量}
+\section{标量、向量、矩阵和张量}
 \label{sec:scalars_vectors_matrices_and_tensors}
 
 学习线性代数，会涉及以下几个数学概念：
diff --git a/Chapter5/machine_learning_basics.tex b/Chapter5/machine_learning_basics.tex
index f84d85a..85b38e4 100644
--- a/Chapter5/machine_learning_basics.tex
+++ b/Chapter5/machine_learning_basics.tex
@@ -1638,7 +1638,7 @@ \section{\glsentrytext{SGD}}
 期望可使用小规模的样本近似估计。
 具体而言，在算法的每一步，我们从训练集中均匀抽出一\firstgls{minibatch}\gls{example:chap5}$\SetB=\{\Vx^{(1)},\dots,\Vx^{(m')}\}$。
 \gls{minibatch}的数目$m'$通常是一个相对较小的数，从一到几百。
-重要的是，当训练集大小$m'$增长时，$m$通常是固定的。
+重要的是，当训练集大小$m$增长时，$m'$通常是固定的。
 我们可能在拟合几十亿的\gls{example:chap5}时，每次更新计算只用到几百个\gls{example:chap5}。
 
 梯度的估计可以表示成
diff --git a/acknowledgments_github.md b/acknowledgments_github.md
index 664a7f0..abead0c 100644
--- a/acknowledgments_github.md
+++ b/acknowledgments_github.md
@@ -154,3 +154,11 @@
 ---------------
  - @zdx3578 ==> Chapter20, 公式错误，少子图
  - name:YUE-DaJiong ==> Chapter20, discriminator network
+
+
+2017年1月11日
+---------------
+ - @HeimingX ==> Chapter5，5.9节翻译
+
+
+