diff --git a/chapter_multilayer-perceptrons/weight-decay.md b/chapter_multilayer-perceptrons/weight-decay.md
index 246166567..8079a6a16 100644
--- a/chapter_multilayer-perceptrons/weight-decay.md
+++ b/chapter_multilayer-perceptrons/weight-decay.md
@@ -22,6 +22,7 @@ ${k - 1 + d} \choose {k - 1}$，即$C^{k-1}_{k-1+d} = \frac{(k-1+d)!}{(d)!(k-1)!
 因此即使是阶数上的微小变化，比如从$2$到$3$，也会显著增加我们模型的复杂性。
 仅仅通过简单的限制特征数量（在多项式回归中体现为限制阶数），可能仍然使模型在过简单和过复杂中徘徊，
 我们需要一个更细粒度的工具来调整函数的复杂性，使其达到一个合适的平衡位置。
+
 ## 范数与权重衰减
 
 在 :numref:`subsec_lin-algebra-norms`中，