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
$ y+ b$ O8 d; ^& q) j%all rights preserved by www.4math.cn
/ _& f+ A) Q2 g) I2 HAll_error=[];%所有误差存储
year=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;...
0 P# ^# ]: ?8 e   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
6 `! G+ f$ \4 X. v/ ?[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
3 X0 Z( X/ N9 s& N1 |testPercent = 0.20;  % Adjust as desired
3 E$ h- b# G$ G9 F! m$ AvalidatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
: \. ?& G4 W) o; K1 M. ]  tfor j=1:200
7 E. y4 v9 c' h* d3 rNodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
  X8 z! X+ L" ]" ^& O+ JTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
% r3 c  J9 w- A+ h( x* q! R" `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
+ P8 J, R  m5 j! Y, T1 M3 Unet.trainParam.goal=1e-6;%训练目标设置
PL.lr=0.01;net.trainfcn='traingdm';
2 u! Q( p4 P" ^, w% h) G[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
1 `2 x' ?; z5 P3 a[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
) D" j2 P% S2 S1 `[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
. M7 n% O& `9 D' 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
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
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
- G$ }4 i& w, V$ x1 DtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
* i" j4 N8 C% u, ]5 s1 u1 m%绝对误差计算
absTrainError = trainOutput-trainInsect;
$ R& K' [8 M! k- @+ {absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
& \, F8 R. h1 L& EAll_error=[All_error error_sum];
- a  H3 l& c/ j. O! ^8 T+ Ceps=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
/ J4 \# E$ r* ?- @: Pend
" f* [9 M* S4 g8 f* `j
7 o+ h1 \/ J( r& Vend
问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
* f+ x6 s& S2 K5 A$ L中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂