一matlab程序中一点点的小问题

yychanaz

神经网络预测
3 h/ A7 m4 r, E* M8 [! W* s& j, N) C% 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
3 P5 H  N  B$ }: h' u* `3 w- I; l%by akjuan
$ R( B) U# b9 ~  u7 c) K$ a2 X& D%all rights preserved by www.4math.cn
# X8 w/ a5 U9 o. s5 j' ^All_error=[];%所有误差存储
2 z, w4 q' d+ b9 Iyear=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;...
/ x# P6 a: v; u5 C! u9 N" }4 `, ?   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
* e' l4 A% ^; d7 T% Ct=[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
8 a' G+ }) Y8 [- ?7 K; |, p[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);
5 {9 O4 f/ w" a& x, J4 P5 lfor j=1:200
NodeNum1 = 20; % 隐层第一层节点数
, G+ z) m5 K, k% GNodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
* D  Y/ @- U& [& O7 x9 J' h) @TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
4 t; }% h5 _9 \' ~0 l6 tnet=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
0 J) E+ F5 k' o3 XPL.lr=0.01;net.trainfcn='traingdm';
+ `8 J* A: S& [$ \- r# I* e$ I[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
$ a) q# b* ~' `: M* R6 g0 D[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
3 X) `3 J! o3 n+ K% b5 O/ [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
' y( f. d& E) f! W' Q- O( n6 mtrainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
5 D. R9 g4 l! ~) ivalidateOutput = 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
( q' q. k" \% btestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
! n- T$ e) s7 }8 W9 t%绝对误差计算
absTrainError = trainOutput-trainInsect;
1 J4 X6 \' O' [absTestError = testOutput-testInsect;
" o' X7 f* U- R6 b9 Merror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
, v  t/ ~5 ~: f8 @7 W: c0 L1 ueps=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))
9 B% {6 x; `- ~" Q6 usave mynetdata net
     break
3 b- i. c; p6 Yend
j
7 T* C* ]$ Z4 E4 |* b8 ^end
问题是：
+ f* N7 a  g" Yif ((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