一matlab程序中一点点的小问题

yychanaz

神经网络预测
/ O  {+ e7 j+ T' s% K$ g7 \) I% X/ H% 数据为1986年到2000年的交通量 ，网络为3输入，1输出
$ |7 j& C7 ^% q% S( s% 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
/ v2 v& U: S5 B$ T* {+ M4 J%by akjuan
%all rights preserved by www.4math.cn
4 X7 A( ~( ?2 q9 J4 f/ E: F- v/ C7 x' \All_error=[];%所有误差存储
+ c& U4 G; o4 y5 l/ v) _+ nyear=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
9 v0 @/ L1 m. y6 {* It=[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);
7 b& X( L! a" I! z9 I4 EtestPercent = 0.20;  % Adjust as desired
3 e* E( A- _: T" u& NvalidatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
  F/ V9 J+ \2 I# s  G$ ifor j=1:200
NodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
: s3 [7 c) X2 g8 Z/ e+ `& uTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
* `1 U+ V$ w' e1 Mnet=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
+ R6 Q2 n: o3 f9 P9 HPL.lr=0.01;net.trainfcn='traingdm';
; `8 \$ N7 l* H5 H& P8 l, ^[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
0 {0 G9 N2 Q# Y! t- G7 @( I3 |[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
; |2 I5 l: W$ k2 N* z# [[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
; b1 k0 [5 j; b$ n: AtrainOutput = 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
6 K- u. A; Q% E3 l/ v' t5 ntrainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
3 r: Z3 F6 }5 ^4 J$ f% O2 m/ R: yvalidateOutput = 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
6 [: f; K6 U( B$ l$ ttestOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
  {' p0 i( \, B0 y$ S# Q' I7 utestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
% M: r! s! Q# q%绝对误差计算
absTrainError = trainOutput-trainInsect;
2 s4 P' E+ D2 j( B( TabsTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
6 @( C* f- V& X3 d7 ~4 a- VAll_error=[All_error error_sum];
/ I! K5 g9 _7 M  C! d( N  [- Deps=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))
: \" }( |) `; v0 Hsave mynetdata net
  l) N  J) }' m     break
end
j
8 D9 l& F: I* p3 qend
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