diff --git a/diploma.pdf b/diploma.pdf
index 7bf8426..02de1f4 100644
Binary files a/diploma.pdf and b/diploma.pdf differ
diff --git a/diploma.tex b/diploma.tex
index c8194ff..e7c0b36 100644
--- a/diploma.tex
+++ b/diploma.tex
@@ -1321,14 +1321,17 @@ Križno utežena srednja kvadratna napaka & 0.007 & 0.07 & 0.06 \\
 Hanningova kriterijska funkcija, znana tudi po svoji edinstveni značilnosti dodeljevanja uteži vzorcem glede na njihovo lokacijo, je v testiranju pokazala zavidljive rezultate. 
 S skupno vrednostjo 8.49 in $RDS_{\text{train}}$ vrednostjo 0.893 na učni množici se je izkazala kot izredno učinkovita za trening set. 
 Čeprav je bila njena učinkovitost na validacijski množici, kjer je dosegla $RDS_{\text{val}}$ vrednost 0.709, nekoliko nižja, so rezultati še vedno zelo obetavni.
+Primer je viden na sliki \ref{fig:hanning_validation_plot}.
 
-\begin{figure}[H]
+
+\begin{figure}[h]
 \centering
-\includegraphics[width=0.7\textwidth]{./img/hanning_validation_plot.png}
+\includegraphics[width=0.75\textwidth]{./img/hanning_validation_plot.png}
 \caption{Primer izhoda ob uporabi Hanningove kriterijske funkcije}
-\label{fig:hanning_kriterijska_funkcija}
+\label{fig:hanning_validation_plot}
 \end{figure}
 
+
 Ključna prednost Hanningove funkcije je v njeni zmožnosti prilagajanja uteži vzorcem glede na njihov položaj, kar se zdi še posebej primerno pri analizi satelitskih slik. 
 V teh slikah je središčni položaj pogosto bistven, medtem ko robovi morda niso tako pomembni. 
 To naravno prilagodljivost Hanningove funkcije lahko opazimo v njenih rezultatih, ki jih dosegla v obravnavanem primeru.
@@ -1336,12 +1339,13 @@ To naravno prilagodljivost Hanningove funkcije lahko opazimo v njenih rezultatih
 \subsubsection{Gaussovo utežena srednja kvadratna napaka}
 Čeprav je Gaussova utežena srednja kvadratna napaka prav tako zasnovana na principu dodeljevanja uteži glede na lokacijo vzorca, rezultati kažejo, da ne dosega enake uspešnosti kot Hanningova funkcija. 
 Z $RDS_{\text{train}}$ vrednostjo 0.077 na učni množici in $RDS_{\text{val}}$ vrednostjo 0.74 na validacijski množici so njeni rezultati precej slabši v primerjavi s Hanningovo funkcijo.
+Primer je viden na sliki \ref{fig:gauss_mse_validation_plot}.
 
-\begin{figure}[H]
+\begin{figure}[h]
 \centering
-\includegraphics[width=0.7\textwidth]{./img/mse_gauss_validation_plot.png}
+\includegraphics[width=0.8\textwidth]{./img/mse_gauss_validation_plot.png}
 \caption{Primer izhoda ob uporabi Gaussovo utežene srednje kvadratne napake}
-\label{fig:gauss_mse_validation}
+\label{fig:gauss_mse_validation_plot}
 \end{figure}
 
 Čeprav obe funkciji temeljita na podobnem principu, se zdi, da Hanningova funkcija bolje odraža posebnosti in značilnosti satelitskih slik.
@@ -1351,23 +1355,25 @@ Z $RDS_{\text{train}}$ vrednostjo 0.077 na učni množici in $RDS_{\text{val}}$
 Pri tej funkciji se je izkazalo, da mreža ni dosegla želenih rezultatov. 
 Namesto, da bi se mreža naučila prepoznati in interpretirati relevantne značilnosti satelitskih slik, se je večinoma učila šuma. 
 Praktično, model se ni naučil nič koristnega, kar nakazuje, da Hanningovo utežena srednja kvadratna napaka morda ni primerna za to vrsto podatkov ali za uporabljeni model.
+Primer je viden na sliki \ref{fig:hanning_mse_validation_plot}.
 
-\begin{figure}[H]
+\begin{figure}[h]
 \centering
-\includegraphics[width=0.7\textwidth]{./img/mse_hannings_validation_plot.png}
+\includegraphics[width=0.8\textwidth]{./img/mse_hannings_validation_plot.png}
 \caption{Primer izhoda ob uporabi Hanningove utežene srednje kvadratne napake}
-\label{fig:gasuss_mse_validation}
+\label{fig:hanning_mse_validation_plot}
 \end{figure}
 
 \subsubsection{Križno utežena srednja kvadratna napaka}
 Podobno kot pri Hanningovi uteženi srednji kvadratni napaki se je tudi pri Križno uteženi srednji kvadratni napaki pokazalo, da mreža večinoma prepoznava in se uči šuma. 
 Rezultati so bili nezadovoljivi in kažejo na to, da ta funkcija ni najbolj primerna za analizo satelitskih slik s tem pristopom.
+Primer je viden na sliki \ref{fig:gasuss_cwmse_validation_plot}.
 
-\begin{figure}[H]
+\begin{figure}[h]
 \centering
-\includegraphics[width=0.7\textwidth]{./img/cwmse_gauss_validation_plot.png}
+\includegraphics[width=0.8\textwidth]{./img/cwmse_gauss_validation_plot.png}
 \caption{Primer izhoda ob uporabi Križno utežene srednje kvadratne napake}
-\label{fig:gasuss_mse_validation}
+\label{fig:gasuss_cwmse_validation_plot}
 \end{figure}
 
 \textbf{Zaključek:} Hanningova kriterijska funkcija se je v obravnavanem primeru izkazala kot najbolj učinkovita.