diff --git a/ch05_卷积神经网络(CNN)/第五章 卷积神经网络（CNN）（修改版）.md b/ch05_卷积神经网络(CNN)/第五章 卷积神经网络（CNN）（修改版）.md
index 46c1b6b..65cb66c 100644
--- a/ch05_卷积神经网络(CNN)/第五章 卷积神经网络（CNN）（修改版）.md	
+++ b/ch05_卷积神经网络(CNN)/第五章 卷积神经网络（CNN）（修改版）.md	
@@ -24,9 +24,13 @@
 > * 全连接层
 
 **输入层**主要包含对原始图像进行预处理，包括白化、归一化、去均值等等。
+
 **卷积运算层**主要使用滤波器，通过设定步长、深度等参数，对输入进行不同层次的特征提取。滤波器中的参数可以通过反向传播算法进行学习。
+
 **激活函数层**主要是将卷积层的输出做一个非线性映射。常见的激活函数包括sigmoid,tanh,Relu等。
+
 **池化层**主要是用于参数量压缩。可以减轻过拟合情况。常见的有平均池化和最大值池化，不包含需要学习的参数。
+
 **全连接层**主要是指两层网络，所有神经元之间都有权重连接。常见用于网络的最后一层，用于计算类别得分。
 
 ## 5.2 卷积如何检测边缘信息？（重庆大学研究生-刘畅）