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
. I. G8 [8 s0 H% 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
( `& l, s7 [. @6 Q2 S7 @- U%by akjuan
%all rights preserved by www.4math.cn
All_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;...
   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
% [* b, r- E; W( H& T/ C+ D   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
. f; q5 i. y! r) c[normInput,ps] = mapminmax(p);
; i) j3 M, }* s[normTarget,ts] = mapminmax(t);
3 }+ W' r0 Z. r4 d' e+ atestPercent = 0.20;  % Adjust as desired
( v7 X0 _' z4 F. @& G' fvalidatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
NodeNum1 = 20; % 隐层第一层节点数
! i  E' }6 d# D8 HNodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
8 K0 V, T" R  ^) A; QTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
net=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
  \* h5 C! ^5 Q) e& GPL.lr=0.01;net.trainfcn='traingdm';
: ?4 m/ W( m6 \8 _) u[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
# ]0 f7 y0 U, e8 G# Y; Z! M[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
8 S* w5 H( l% F, D' 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
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
* i: o, n/ a( [) T; Z) p+ |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
7 S6 B2 }+ z; _7 G! ]6 F" R8 \. \  qtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
* P7 M8 a! \) A2 T% qerror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
8 V# h0 B5 v- f9 [: nAll_error=[All_error error_sum];
- {* {1 ?2 T$ c6 z' R6 e! o" P+ `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))
save mynetdata net
     break
" a  U9 i/ N% o$ [& tend
+ h3 ?3 V6 Q" M8 g" yj
6 M3 u, z- d6 A/ m+ aend
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