一matlab程序中一点点的小问题

yychanaz

神经网络预测
/ ?, Y: j) s# U/ I+ F; n% 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
/ F. u6 |# X- G%by akjuan
& G6 r1 I( C: {) a% ^; }1 U( z%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
1 _( D0 q* N8 ]2 D- F0 t7 syear=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;...
  ?; u) g2 ~! P( c/ {$ k. ?   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
! E. b7 K- x' @: x[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
7 k. Q% A# j2 D! _) ]) \3 HtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
- F7 Y- u) h. H% G" t3 F7 ?5 N; mfor j=1:200
8 M+ f; ]: B- RNodeNum1 = 20; % 隐层第一层节点数
6 h5 s$ Q" c# ]% y# M: ?4 B3 CNodeNum2=40;   % 隐层第二层节点数
7 z0 M7 i; l) vTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
5 p' O! Z6 e$ J; @/ }& ~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
[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
+ Q1 c$ t0 x" b( m+ ^; W[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
trainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
) ^* N' l" g2 m% o. QvalidateOutput = 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
" i8 Q8 _4 p8 RtestOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
: J! G$ k/ F4 [6 [" {9 ]absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
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))
4 ^8 P' H8 `# G, M2 c9 B4 B  K! f4 asave mynetdata net
     break
0 Y- c# w5 E6 m4 ?0 D8 f% f. c! X- Gend
2 a+ W) j7 k/ A/ l" Aj
end
1 _& B: h9 [+ H9 W/ B/ w, v4 h- Z问题是：
7 G* Q! f( g/ X9 v  L! I1 F) {9 v, |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