diff --git a/Dokumentation/silas/w2vMean.tex b/Dokumentation/silas/w2vMean.tex
index 0e5fd3affebec1052f6648006f172f1e8f37f26e..b8b8603ecfa78a31a0a489025aeac10559ca51d3 100644
--- a/Dokumentation/silas/w2vMean.tex
+++ b/Dokumentation/silas/w2vMean.tex
@@ -129,7 +129,7 @@ Zuletzt wird für den Parameter \lstinline{Metrics} der Wert \lstinline{sparse_c
 Nach dem Kompilieren des neuronalen Netzes ist jetzt das Trainieren, also das Optimieren der Gewichte, der nächste Schritt.
 
 \begin{lstlisting}[caption={Neuronales Netz - Trainieren},label={list:mean4},firstnumber=55]
-earlystop = keras.callbacks.EarlyStopping(monitor='sparse_categorical_accuracy',patience=10,verbose=False,restore_best_weights=True)
+earlystop = keras.callbacks.EarlyStopping(monitor='val_sparse_categorical_accuracy',patience=10,verbose=False,restore_best_weights=True)
 cbList = [earlystop]
 count = np.unique(Y_train,return_counts=True)[1]
 cWeight = 1/(count/Y_train.size)