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
5 w* D1 b( _* u& s6 a% 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
' S7 q0 R4 W" W# L. {%by akjuan
%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
1 N1 ?* \/ ^* V' j# I& B- S% }  iyear=1986:2000;%数据是从1986到2000年的
6 C/ e$ n! |% V. M5 a. ~p=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
   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
t=[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);
3 q( T3 w  G/ W" Y[normTarget,ts] = mapminmax(t);
testPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
( E$ L7 t) ^, ]$ t- GNodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
3 h& K: G6 G# C1 ]6 s' M: vTypeNum = 1;   % 输出维数
& _6 P# u" ?$ }5 r! h4 [TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
& F, y0 Q$ |7 Y0 |( Knet=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
# G, g2 |( |, F% ^5 ~' C+ N9 zPL.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
[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
# C( H% ^. b/ x' UtrainOutput = 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
trainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
$ z- A  O6 [" A: ~3 e& m. J7 EvalidateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
: ^9 g& V  j! |7 s( ]& v% V, YvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
testOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
3 y3 y9 \  g: C# _; S- ~testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
absTrainError = trainOutput-trainInsect;
+ o8 r1 K4 _- c* P% x# `) babsTestError = testOutput-testInsect;
. g  \  @: O9 O2 |error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
& U4 z4 S2 ]% j+ }* p: h1 W4 Veps=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
2 L2 u/ ^$ p6 V( _9 L: d9 @+ `if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
3 P" W& i& e0 n* A2 a: ]# T) Wsave mynetdata net
     break
end
. D% @2 [6 Y2 k$ t, J, X8 I  [$ oj
end
7 W2 i6 Z9 G7 e; o  u" V1 P问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
& Z& i* f# I+ G中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂