diff --git a/README.md b/README.md
index aa4cc955564b83959858b729946ea0b3434aab94..0e8ff3bd84aad41a7c81c49a6b459a06be5b69ca 100644
--- a/README.md
+++ b/README.md
@@ -24,7 +24,7 @@
 AE1 -- автокодировщик без добавления шума при обучении, AE2 -- автокодировщик c добавлением шума при обучении,
 JPEG -- алгоритм JPEG в котором степень сжатия подобрана так, чтобы быть близкой к тому, что достигают автокодировщики.
 Здесь Q -- это метрика качества изображения SSIM, а bpp -- это число бит на пиксель после сжатия (в исходном формате bpp=24).
-![Обучения c добавлением шума. Epoch=3000](./doc/AI_Epoch3000_Noisebt3.png)
+![Обучения c добавлением шума. Epoch=2000](./doc/AI_Epoch2000_Noisebt2b2.png)
 
 Как можно заметить, автокодировщик AE2 выигрывает у JPEG по качеству на высоких степенях сжатия.  Также, пример показывает
 важность добавления шума при обучении, вследствие чего автокодировщик адаптируется к ошибке квантования.
@@ -34,29 +34,29 @@ EntropyCompile.bat
 
 Код протестирован на OC Windows 10 и Ubuntu 24.
 
-Значения bpp и Q для тестовых 20-ти изображений:
-#i      bpp     Q       JPEGbpp JPEGQ
-#0      0.510   0.630   0.509   0.576
-#1      0.470   0.679   0.466   0.580
-#2      0.476   0.616   0.479   0.544
-#3      0.521   0.618   0.519   0.594
-#4      0.432   0.634   0.477   0.650
-#5      0.456   0.648   0.479   0.655
-#6      0.495   0.607   0.490   0.541
-#7      0.465   0.626   0.500   0.585
-#8      0.490   0.591   0.492   0.585
-#9      0.461   0.645   0.495   0.565
-#10     0.462   0.641   0.462   0.573
-#11     0.445   0.673   0.468   0.565
-#12     0.477   0.648   0.475   0.582
-#13     0.479   0.583   0.490   0.557
-#14     0.501   0.602   0.491   0.580
-#15     0.513   0.603   0.513   0.575
-#16     0.477   0.606   0.483   0.477
-#17     0.509   0.622   0.503   0.670
-#18     0.459   0.684   0.461   0.590
-#19     0.488   0.585   0.478   0.587
-Average: 0.479  0.627   0.487   0.582
+Значения bpp и Q для тестовых 20-ти изображений:<br>
+#i      bpp     Q       JPEGbpp JPEGQ<br>
+#0      0.510   0.630   0.509   0.576<br>
+#1      0.470   0.679   0.466   0.580<br>
+#2      0.476   0.616   0.479   0.544<br>
+#3      0.521   0.618   0.519   0.594<br>
+#4      0.432   0.634   0.477   0.650<br>
+#5      0.456   0.648   0.479   0.655<br>
+#6      0.495   0.607   0.490   0.541<br>
+#7      0.465   0.626   0.500   0.585<br>
+#8      0.490   0.591   0.492   0.585<br>
+#9      0.461   0.645   0.495   0.565<br>
+#10     0.462   0.641   0.462   0.573<br>
+#11     0.445   0.673   0.468   0.565<br>
+#12     0.477   0.648   0.475   0.582<br>
+#13     0.479   0.583   0.490   0.557<br>
+#14     0.501   0.602   0.491   0.580<br>
+#15     0.513   0.603   0.513   0.575<br>
+#16     0.477   0.606   0.483   0.477<br>
+#17     0.509   0.622   0.503   0.670<br>
+#18     0.459   0.684   0.461   0.590<br>
+#19     0.488   0.585   0.478   0.587<br>
+**Среднее: 0.479  0.627   0.487   0.582**<br>
 
 Таким образом, базовый кодек обеспечивает средний выигрыш в 0.045 по метрике SSIM на меньшем среднем сжатии.