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
% 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
. C) k( O) H7 a7 F+ H- tAll_error=[];%所有误差存储
/ }2 l; b; n. |* \! F& wyear=1986:2000;%数据是从1986到2000年的
% W) [4 H  `/ r0 _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
[normInput,ps] = mapminmax(p);
8 ?. I) i" n3 \" Z. c5 j7 y[normTarget,ts] = mapminmax(t);
3 o7 Z7 ?5 C' b' ~4 ^+ O% O7 X  vtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
, d; ]" J; w; v* r; J[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
0 }( F" E! I. o  R; UNodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
6 s8 a- a3 _) }5 kTypeNum = 1;   % 输出维数
TF1 = '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);
[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
: ]6 N, R' D7 ?[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
$ s7 b, y0 m' `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
2 o: S. Y1 W7 ?0 t5 d- S" f% e0 wvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
  t5 \. S9 x5 x2 {( dtestOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
5 |* J0 ]! I3 Q) Q2 x) EtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
6 E" l9 {  @- B; H$ ^' X, k+ E%绝对误差计算
. j7 I( Y" m& F* b9 W, f/ SabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
% }; A" a0 L/ j) ?+ p1 j5 T0 `8 peps=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
+ p* g3 C- e' q# _if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
, `5 {, a/ ?2 Y$ Q! u     break
end
j
7 y% V  U' n# p9 _end
( J& {7 {: @7 t问题是：
: S$ }8 n! w# 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