一matlab程序中一点点的小问题

yychanaz

神经网络预测
1 X- x, T) Y0 e  I$ E9 z  _2 ?% 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
%by akjuan
" Z) q9 Z, _- ?%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
1 z6 L# _1 W, @) C: F6 R/ ayear=1986:2000;%数据是从1986到2000年的
: H1 \3 O6 W' ~; d9 H& Y/ ^! hp=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
- h. d* K' p: b/ v' I  a/ E2 {+ q   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
7 K% S# y* p/ a8 A( r. q# O   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
: ~7 r* X: n6 x: L2 I! Ut=[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);
[normTarget,ts] = mapminmax(t);
, |- w+ f# F! x" d1 {& H, h0 `3 KtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
; `+ O  k; S% J5 Y4 o( c  GNodeNum1 = 20; % 隐层第一层节点数
: J6 R+ i, @8 a" A0 \+ CNodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
" D$ Z9 {4 U3 bTF1 = '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
4 p+ b1 f3 H- z% Jnet.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
  U/ m8 I6 G4 F8 z- z' DtrainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
% U) i( C4 F1 F4 g8 Z( ]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
validateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
" }3 S0 N% H0 ?3 J  B& i5 ]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
" ]% L* f* p4 F- f& j: S2 e7 PtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
absTrainError = trainOutput-trainInsect;
: D0 j6 F/ {" }absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
/ m% Z+ T% s' R4 t1 J7 ?9 o- ]: UAll_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
& J& x. I6 s3 T  N3 k: w- Hend
j
end
问题是：
+ ]5 X; Z9 i9 Tif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
/ W7 ~. ^0 x& H0 S- E5 O& M中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂