fix: typo

Author: jindongwang

src/chaps/ch11_future.tex

@@ -47,7 +47,7 @@ \subsection{终身迁移学习}
 
 那么\textit{什么是迁移的经验}？这个在文中叫做transfer learning experience。作者这样定义：$Ee=(S_e,T_e,a_e,l_e)$。其中，$S_e,T_e$分别是源域和目标域，这个我们都知道。$a_e$表示一个迁移学习算法，这个算法有个下标叫$e$，表示它是第$e$种算法。与之对应，选择了这种算法，它对不迁移情况下的表现有个提升效果，这个效果就叫做$le$。
 
-总结一下，什么叫迁移学习的经验？就是说，在一对迁移任务中，我选择了哪种算法后，这种算法对于我任务效果有多少提升。这个东西，就叫做迁移！这和我们人类学习也是具有相似性的：人们常说，失败是成功之母，爱因斯坦说，我实验了2000多种材料做灯泡都是失败的，但是我最起码知道了这2000多种材料不适合做灯泡！这就是人类的经验！我们人类就是从跌倒中爬起，从失败中总结教训，然后不断进步。学习算法也可以！ 
+总结一下，什么叫迁移学习的经验？就是说，在一对迁移任务中，我选择了哪种算法后，这种算法对于我任务效果有多少提升。这个东西，就叫做迁移！这和我们人类学习也是具有相似性的：人们常说，失败是成功之母，爱迪生说，我实验了2000多种材料做灯泡都是失败的，但是我最起码知道了这2000多种材料不适合做灯泡！这就是人类的经验！我们人类就是从跌倒中爬起，从失败中总结教训，然后不断进步。学习算法也可以！ 
 
 后面的过程就是，综合性地学习这个迁移过程，使得算法根据以往的经验，得到一个特征变换矩阵$\mathbf{W}$。学习到了这个变换矩阵以后，下一步的工作就是要把学习到的东西应用于新来的数据。如何针对新来的数据进行迁移？我们本能地要利用刚刚学习到的这个$\mathbf{W}$。但是不要忘了，这个变换矩阵只是对旧的那些经验学习到的，对新的数据可能效果不好，不能直接用。怎么办？我们要更新它！
 

web/transfer_tutorial.html

@@ -105,6 +105,10 @@
 					<li>
 						删除第14页余弦相似度引用文章。
 					</li>
+
+					<li>
+						第11章终身迁移学习中，试验2000种灯泡材料，不是爱因斯坦说的，是爱迪生说的。
+					</li>
 				</ol>
 			</div>
 		</div>