diff --git a/Latex/BP_Radek_Pus_2019.pdf b/Latex/BP_Radek_Pus_2019.pdf
index eab7a439c73a6e5cae2b0abef0f31548c98dd94b..d5f1004345ba424ad787c990b2c779812cb3447a 100644
Binary files a/Latex/BP_Radek_Pus_2019.pdf and b/Latex/BP_Radek_Pus_2019.pdf differ
diff --git a/Latex/BP_Radek_Pus_2019.tex b/Latex/BP_Radek_Pus_2019.tex
index c73b935d56e92a8bd034dd871e46a3c2583be53f..0b6dac40f3e2ac2b874932f671adf51559aa7f6e 100644
--- a/Latex/BP_Radek_Pus_2019.tex
+++ b/Latex/BP_Radek_Pus_2019.tex
@@ -367,7 +367,7 @@ Při výběru formy zpracování umělé inteligence jsem se rozhodl pro využit
 	\item výpočet na grafických kartách
 	\item větší množství dat (současné je extrémě malé) - ideálně neanonimizovaná
 	\item zamyslet se nad Ăşpravou minibatche na hodnotu v mocninÄ› 2 (https://www.quora.com/What-is-a-minibatch-in-a-neural-network)
-	\item optimalizace LR (raději nezmiňovat?)
+	%\item optimalizace LR (raději nezmiňovat?)
 	\item v případě obsáhlejších dat lépe rozlišit opakujicí se vs neopakující se transakce
 	\item doplnit uživatelské označování transakcí za opakující se či nikoliv
 	\item zvážit patchový a automatizovaný import