一matlab程序中一点点的小问题

yychanaz

神经网络预测
% 数据为1986年到2000年的交通量 ，网络为3输入，1输出
% 15组数据，其中9组为正常训练数据，3组为变量数据，3组为测试数据
2 D5 ]: [/ j  E1 f9 p%by akjuan
4 E4 H- J$ l- w$ w" ~7 ^( P8 f' x%all rights preserved by www.4math.cn
/ z/ [# V& @# e$ k! P- vAll_error=[];%所有误差存储
year=1986:2000;%数据是从1986到2000年的
p=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
  k& d- H! m$ o( y   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
   527 668 841; 668 841 526;841 526 480;526 480 567;480 567 685]';%输入数据，共15组，每组3个输入
! B2 k9 X+ i9 z: @  b4 [7 Wt=[176 235 378 429 561 651 467 527 668 841 526 480 567 685 507];%输出数据，共15组，每组1个输出
[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
+ d+ q# o6 [2 e4 @9 {  l6 RtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
. f" i- r& G" }% e8 T# U( h+ k( BNodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
' s/ x0 I; u: J" b( p2 c$ o! kTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
3 l. d* X1 g, l  r% O" F/ A4 jnet=newff(minmax(normInput),[NodeNum1,NodeNum2,TypeNum],{TF1 TF2 TF3},'traingdx');%网络创建net.trainParam.epochs=10000;%训练次数设置
net.trainParam.goal=1e-6;%训练目标设置
PL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
[normTrainOutput,Pf,Af,E,trainPerf] = sim(net,trainSamples.P,[],[],trainSamples.T);%正常输入的9组p数据，BP得到的结果t
" I! r. \4 B' {; Y; t1 U[normValidateOutput,Pf,Af,E,validatePerf] = sim(net,validateSamples.P,[],[],validateSamples.T);%用作变量3的数据p，BP得到的结果t
[normTestOutput,Pf,Af,E,testPerf] = sim(net,testSamples.P,[],[],testSamples.T);%用作测试的3组数据p，BP得到的结果t
3 J4 g) ~& Y0 s3 F9 I( p4 n8 CtrainOutput = mapminmax('reverse',normTrainOutput,ts);%正常输入的9组p数据，BP得到的归一化后的结果t
1 q1 p; u; e/ x+ G- L% d7 WtrainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
validateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
validateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
% a5 K4 S" D: W/ ftestOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
  M7 |1 j7 F, l5 S3 V( I* ?0 G%绝对误差计算
: S' l. T# ^; K' cabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
! P: j+ o/ Z% r: u8 ferror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
( N+ E* V# `' ?% D4 _6 _All_error=[All_error error_sum];
eps=90;%其为3组测试数据的标准差，或者每个数据偏差在一定范围内而判别
3 u- U. i( V7 s: d7 Wif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
! W, k7 L  K# t" G9 V# o0 B: Ysave mynetdata net
     break
end
# D: j1 C: ?6 t$ Aj
# q) S$ E9 e& {end
问题是：
" ?. K4 U: h5 S# o! e+ K* Iif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂