diff --git a/labworks/LW2/LW2_variant2.md b/labworks/LW2/LW2_variant2.md
index b451022..ecbd7b8 100644
--- a/labworks/LW2/LW2_variant2.md
+++ b/labworks/LW2/LW2_variant2.md
@@ -1661,3 +1661,45 @@ print("=" * 60)
 Стандартное отклонение: 0.029058
 ```
 
+### Пункт №10. Параметры наилучшего автокодировщика и результаты обнаружения аномалий.
+
+
+**Табл. 2 Результаты задания №2:**
+
+
+| Dataset name | Количество скрытых слоев | Количество нейронов в скрытых слоях | Количество эпох обучения | Ошибка MSE_stop | Порог ошибки реконструкции | % обнаруженных аномалий |
+|---|---|---|---|---|---|---|
+| WBC (White Blood Cells) | 9 | 30-24-18-12-8-12-18-24-30 | 50000 | 0.143102 | 0.136186 | 80.11% |
+
+
+### Пункт №11. Выводы.
+
+**Вывод:**
+
+```
+1. Данные для обучения:
+
+    Требуется тщательная предобработка и нормализация
+
+    Объем данных должен соответствовать сложности модели
+
+2. Архитектура автокодировщика:
+
+    Глубокие сети (5+ слоев) для высокоразмерных данных
+
+    Постепенное сжатие к bottleneck 
+
+3. Количество эпох:
+
+    Десятки тысяч эпох для сложных архитектур
+
+    Обязательное использование EarlyStopping
+
+4. MSE_stop критерий:
+
+    MSE_stop порядка 0.01 – 0.1
+
+5. Порог обнаружения:
+
+    На основе статистики ошибок обучающей выборки
+```
\ No newline at end of file