一matlab程序中一点点的小问题

yychanaz

神经网络预测
' g" @$ C% a: Q( F% 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
- {. l' j" j2 E5 d+ @%by akjuan
9 u. }" ^/ `" R6 a# i) z8 L%all rights preserved by www.4math.cn
All_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;...
   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
2 z9 A4 q5 N4 t" g! k$ 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);
testPercent = 0.20;  % Adjust as desired
* {' R. \* G' r& JvalidatePercent = 0.20;  % Adust as desired
  {* g) J: i: o% I0 |9 Q+ s[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
# R" j; ]* s7 e0 @1 X. `for j=1:200
) g5 F& T/ o: q1 ^, YNodeNum1 = 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
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
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
- b% c9 T0 q- U& N- unet.trainParam.goal=1e-6;%训练目标设置
* G: q& H2 o- D4 T/ }- d7 jPL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
& D& x6 r3 f% O# f[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
. q7 ^* ?& s! {) h# i, u" ]3 E[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
2 f% \9 v$ z/ Z- g7 dtrainOutput = 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
3 i. d& s( L* _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
, ~, H. Y/ N$ X2 T* w# O9 ivalidateInsect = 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
testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
; ]& ~; b' ?$ z; t; }# W* f%绝对误差计算
8 x6 J3 _3 F  t5 u8 @9 DabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
, ^: T3 o, y! o/ IAll_error=[All_error error_sum];
2 C* s* ], b' [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
: k3 x4 n6 _4 A9 Qif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
5 ]$ E9 {3 w% i" N! F5 {save mynetdata net
     break
end
j
* T. Z) l  @9 y- q) v4 cend
- w- a) r% |& }8 k+ n% {问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
/ f5 n% b( k0 F5 r9 b% {# r中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂