discounted sum of reward (for PPO og a2c)

stianteien / instradag

0 stars 0 forks source link

Open stianteien opened 3 years ago

stianteien commented 3 years ago

Hva er det vi egentlig vil ha? Verdier lengre ute betyr mer eller mindre? Hvordan kan jeg dele opp dette i buncher mellom hver handel?