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…