適格度トレースの実験準備

　適格度トレースというのは、モンテカルロ法とTD法の中間の動作をさせる為のもので、学習速度が向上するらしいです。

　ただ、いきなりリバーシで使うと訳わかんなくなりそうなので、まずは簡単なタスクでやってみる事にしました。

　で、今日はその準備。とりあえず普通のTD法では動作しました。以上。