恒定步长下稳定的正则强调TD

反例证明ETD均值收缩仍可能样本发散，并提出正则化修复方法。

推荐理由：两状态反例中ETD的期望映射虽收缩，随机更新乘积的顶Lyapunov指数仍为正，揭示均值稳定不等于训练稳定；RETD针对冲击后动态进行归一化修复。