diff --git a/chapter_deep-learning-basics/index.md b/chapter_deep-learning-basics/index.md
index 67138c3208f7e624851897ecd23b781895a4d9a7..92917410141be99bf735b355ea0ebd0eff69e441 100644
--- a/chapter_deep-learning-basics/index.md
+++ b/chapter_deep-learning-basics/index.md
@@ -1,6 +1,6 @@
 # 深度学习基础
 
-从本章开始，我们将一起探索深度学习的奥秘。我们先以线性回归和Softmax回归为例，介绍机器学习的基础知识。接着，我们由多层感知机引入深度学习模型。在观察并了解模型过拟合现象后，我们将描述深度学习中应对过拟合的常用方法：正则化和丢弃法。为了进一步理解深度学习模型训练的本质，我们将详细解释正向传播和反向传播。最后，我们将通过一个深度学习应用案例来实践本章学习的内容。
+从本章开始，我们将探索深度学习的奥秘。作为机器学习的一类，深度学习通常基于神经网络模型逐级表示越来越抽象的概念或模式。我们先从线性回归和Softmax回归这两种单层神经网络入手，简要介绍机器学习中的基本概念。然后，我们由单层神经网络延伸到多层神经网络，并通过多层感知机引入深度学习模型。在观察和了解了模型的过拟合现象后，我们将介绍深度学习中应对过拟合的常用方法：权重衰减和丢弃法。接着，为了进一步理解深度学习模型训练的本质，我们将详细解释正向传播和反向传播。最后，我们通过一个深度学习应用案例来实践本章内容。
 
 ```eval_rst