一matlab程序中一点点的小问题

yychanaz

神经网络预测
  y( i' s$ S' @$ L4 t: j$ e% 数据为1986年到2000年的交通量 ，网络为3输入，1输出
! G. q# L7 d) l7 k1 {1 H3 ?% 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
/ I) C0 V. F; J. ?& i+ ~%by akjuan
%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
, b) v' B) F, I+ n) s7 I2 E: Oyear=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;...
   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
" z5 J/ |% d! t/ U/ Q* Vt=[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);
, M* V! v4 @5 q8 n1 }: `- q[normTarget,ts] = mapminmax(t);
# U2 O* R" O8 O: AtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
  l. W6 R) u  X[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
2 ?5 h, A2 K/ m. D) \for j=1:200
/ A9 C! Z( S  t" \NodeNum1 = 20; % 隐层第一层节点数
: y# r% f* a0 V; A- H: m$ _NodeNum2=40;   % 隐层第二层节点数
! I4 F# T, t9 oTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
) W: ?( \; ]: n0 ^. unet=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
[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
trainOutput = 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
& s; ^3 S/ h8 {5 b6 ^; c. uvalidateOutput = 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
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
testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
" r7 I$ m6 j" Q%绝对误差计算
/ P2 K& ]* S) [$ N+ v3 d% LabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
7 N) n0 x! D* `error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
% O& ~0 W" [( L: n2 Z7 |All_error=[All_error error_sum];
) N/ ]) i0 r* Q$ `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
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
# i/ f" I- W+ P1 `, E  z; E3 W$ vsave mynetdata net
     break
end
j
end
问题是：
if ((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