diff --git a/Chapter10/sequence_modeling_rnn.tex b/Chapter10/sequence_modeling_rnn.tex
index b7a778c..550791e 100644
--- a/Chapter10/sequence_modeling_rnn.tex
+++ b/Chapter10/sequence_modeling_rnn.tex
@@ -406,7 +406,7 @@ \subsection{作为\glsentrytext{directed_graphical_model}的\glsentrytext{recurr
 \end{align}
 将整个序列$\Vy$的联合分布分解为一系列单步的概率预测是捕获关于整个序列完整联合分布的一种方法。
 当我们不把过去的$\Vy$值反馈给下一步作为预测的条件时，那么\gls{directed_graphical_model}不包含任何从过去$\Vy^{(i)}$到当前$\Vy^{(t)}$的边。
-在这种情况下，输出$\Vy$与给定的$\Vx$序列是条件独立的。
+在这种情况下，给定x序列后，输出的y值之间条件独立。%在这种情况下，输出$\Vy$与给定的$\Vx$序列是条件独立的。% 
 当我们反馈真实的$\Vy$值（不是它们的预测值，而是真正观测到或生成的值）给网络时，那么\gls{directed_graphical_model}包含所有从过去$\Vy^{(i)}$到当前$\Vy^{(t)}$的边。
 \begin{figure}[!htb]
 \ifOpenSource