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
All_error=[];%所有误差存储
8 f# Y  N! q  ?! Wyear=1986:2000;%数据是从1986到2000年的
- n- g, r- ?  k* m. Vp=[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;...
- e4 H6 Y" y, a7 m   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
! C. r: Q! X' f3 W% s/ dt=[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);
( [2 n( M7 R! q4 A4 v+ y5 O4 }testPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
/ E# s' @" }! w: R- v2 W[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
6 x: K, m$ Z: T' i; wfor j=1:200
& E  c7 ^8 p0 a6 l0 }NodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
$ l& x  [* J$ v! yTypeNum = 1;   % 输出维数
( [9 \! k9 ]8 `( t. ?, l3 N4 NTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
0 N" T2 K; P8 }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
  p+ ?; Q  K; m4 c$ D' EPL.lr=0.01;net.trainfcn='traingdm';
" h+ w. e8 x, f. n+ N) Y[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
- m/ I! O; Y9 j5 y3 g7 w( _6 W[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
$ c. D4 S5 _5 H  o. otrainInsect = 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
validateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
5 W7 q0 q3 V* \" D; [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
; O( N' i9 ~( P7 C& dtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
" `  V0 e# {8 \+ i- Z%绝对误差计算
2 A5 C1 `! x# `absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
$ k/ j; Q! R. i; u9 Q* w  `error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
$ f$ \& u# R, w0 a: T' h1 T0 S( oAll_error=[All_error error_sum];
2 S% a0 |$ `/ \% |) S% Veps=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))
& Y0 X6 t6 U! Gsave mynetdata net
9 U) s5 [2 i1 R% f! A& @     break
end
j
end
问题是：
" o0 x5 l: H7 o; ~; Tif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
: p" _; _# c( d' o" [中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂