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
3 S0 \0 F5 \/ Y0 }. }/ s" m% 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
8 N, l/ ^5 |- _6 H/ s$ T%all rights preserved by www.4math.cn
6 d, n$ `( U9 P+ D% u# B; tAll_error=[];%所有误差存储
+ T( d1 e  U8 ^% {3 x. O4 V7 Qyear=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;...
   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
0 f4 z/ T( h) R5 F, nt=[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);
testPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
8 P/ [" `! f4 H" x0 E" Bfor j=1:200
NodeNum1 = 20; % 隐层第一层节点数
# @, n2 y! k% L7 d' D+ ?9 wNodeNum2=40;   % 隐层第二层节点数
2 Y# j( f# H3 w' L3 hTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
7 q4 i7 f" u$ P- t9 ~, R6 E7 Rnet=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
$ G* x) n5 T# X! IPL.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
' \! |) J; W+ w9 w[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
  ?' {, ]' Z) K/ M( l5 p# YtrainOutput = 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
4 Y: ^$ y3 E6 J: r& SvalidateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
1 E0 f" c. g6 JvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
$ q& g. h# ~; b: j4 m, q) wtestOutput = 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
& O+ d! H! k2 d) f6 _0 PabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
" W. Q7 a  z7 F$ s1 perror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
9 e2 F, W) p: s5 b. S+ b- WAll_error=[All_error error_sum];
7 s& r. F; p. C3 F: M/ O3 \: Neps=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
1 D: y& ^% b$ P. \. G6 B7 h! x6 oif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
( o6 @  e5 x3 }     break
end
  d7 a) q- k3 L7 _9 A$ ij
end
) t& S9 v: k9 O. d* b) b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