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
) T: x9 B3 b/ Z2 b8 P%by akjuan
/ q9 \; r: Y( m% z7 A%all rights preserved by www.4math.cn
0 a% ?& s3 R( B3 N4 A$ X- ~( ]All_error=[];%所有误差存储
year=1986:2000;%数据是从1986到2000年的
8 ]: E; t5 _) ]4 [6 W1 @$ k. Q8 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;...
0 D5 h" L# y" ^+ T& u( @- k& T   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
$ y3 k7 F1 W; K( a5 `[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
9 Y* X1 ?1 q. utestPercent = 0.20;  % Adjust as desired
: t+ Y2 |3 \1 |" {2 i* d3 I" ZvalidatePercent = 0.20;  % Adust as desired
+ m$ ?3 N) ~5 T) f9 P" }% G[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
( M4 i! |) ~# I: _for j=1:200
NodeNum1 = 20; % 隐层第一层节点数
: Z" m& g' Y+ }NodeNum2=40;   % 隐层第二层节点数
$ O6 ^3 l  M% B1 @; M6 l* Z5 gTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
, ?8 J$ E9 o- E( [. ]* unet=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
' Q% t5 a4 B/ ], ]- q1 ZPL.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
; z: `. ]7 Z7 b: Z! _; B% ?trainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
1 i4 e5 s% r5 RvalidateOutput = 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
# {4 ]8 b' u1 AtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
2 U/ B+ \) p0 V' P  b0 l7 u% v3 g4 LabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
2 O" A; A  C0 t3 H; ^All_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
$ P2 O& s, z1 `1 e     break
1 I/ D+ L; H% z' ~4 w/ pend
j
" J! y- @( j; _; y6 a6 ^end
问题是：
if ((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