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
' ^  v) k7 [7 [2 v* d2 G% 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
%by akjuan
%all rights preserved by www.4math.cn
9 W7 M; B, w2 GAll_error=[];%所有误差存储
year=1986:2000;%数据是从1986到2000年的
+ K+ @+ M. a' J5 a1 r2 ap=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
! W! I% B5 H, q- M$ H   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
$ P+ H1 V/ V' |7 H. @/ n* G. h   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
7 ?* [+ k8 ]( V1 O" B8 b! o& K[normInput,ps] = mapminmax(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);
( T3 n! i* u0 d' ?8 s* ?" Afor j=1:200
0 }- d. b( k( ]" N: Z6 J3 \  t- _, [2 B7 P- qNodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
3 J! O$ ~' z: U& KTypeNum = 1;   % 输出维数
* Q) n& u! A- u" WTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
7 g3 E0 m. J* \' M% N% Q& h6 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
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
. g" U2 L( o' ^5 u2 J9 b/ K[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
# G6 i, }# ]* v% P* r. dtrainOutput = 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
1 ?  m  m/ m/ Q0 YvalidateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
5 G  K& a4 l5 \validateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
( w; U- T( W: y$ x: p- c" l0 stestOutput = 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
% C# q- w  w) ]# X2 [absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
" \: f: r! ^( W5 ~2 p5 |/ t1 serror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
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
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
     break
5 G( w7 b4 [! H1 U; Rend
j
end
问题是：
7 U! n3 X( }( Bif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
+ a0 l/ `3 c) `6 m" a中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂