一matlab程序中一点点的小问题

yychanaz

神经网络预测
% V# }4 F' b. z, `1 u. G% 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
6 ^# U/ y( J: M7 P: v- S%by akjuan
1 F. t3 S0 g' `5 H* N9 ?%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;...
   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
! I- o2 U2 {: v# W2 K( `[normInput,ps] = mapminmax(p);
, [5 m/ |7 o8 S1 }: c9 j1 p[normTarget,ts] = mapminmax(t);
testPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
5 i% \' I, c6 M! u% Nfor j=1:200
" s; }7 p; N& B4 SNodeNum1 = 20; % 隐层第一层节点数
+ i: w! j* P5 h% y$ L4 _, Y  kNodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
! l7 H! O# O9 j5 U+ NTF1 = '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
PL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
9 n5 d7 C1 x; `3 v; F- v# g[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
$ V) i/ Y: i) {& z9 J. 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
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
# Q2 N: K# H9 ^9 |- A& S. ktrainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
( l" j' m: G! H$ |+ LvalidateOutput = 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
/ F2 y, T9 V" _% t* v% wtestOutput = 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
%绝对误差计算
absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
2 M4 z$ L5 Y8 e5 keps=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))
. k- r/ R3 A3 |8 Z/ Ksave mynetdata net
     break
end
j
/ n) W7 Y: ^7 r- K" O5 nend
问题是：
* k/ W9 S& m; s7 p; Tif ((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