この記事はKyoto University Advent Calendar 2020の記事の12/21日分として書かれた物です. adventar.org 先日のd0ra1998先輩の記事には改めて京都の四季の美しさに気付かされました. 先輩方の面白い記事が並んでいる中でこんな駄文を投下するのは気が引けま…

もし間違っている所やおかしいなと思う所があれば指摘してください DDPGとは 概要 決定論的な方策勾配定理 損失関数 soft-target 実装 Pendulum-v0の問題設定 ソースコード 結果 参考文献 DDPGとは 概要 DDPGは,Actor-Criticの構造を取り, 学習には soft-tar…