一matlab程序中一点点的小问题

yychanaz

神经网络预测
2 v$ v* E% h& y0 [5 l% 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
%by akjuan
2 s0 F5 _4 g2 p, R%all rights preserved by www.4math.cn
1 U+ a: {: u) u: T. Q; \All_error=[];%所有误差存储
year=1986:2000;%数据是从1986到2000年的
4 C* B* G6 M* Y* \. lp=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
  V9 F9 N+ T, A5 P$ J$ q3 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
1 x. |6 e4 @, n: U/ @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
" f- x4 u% p4 W[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
. L$ n! n. m1 a! W, ItestPercent = 0.20;  % Adjust as desired
' Y) \9 z1 E' t& rvalidatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
NodeNum1 = 20; % 隐层第一层节点数
NodeNum2=40;   % 隐层第二层节点数
9 V4 J4 w; M9 [4 KTypeNum = 1;   % 输出维数
( W; U4 b' v1 ~) k  u2 dTF1 = '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
net.trainParam.goal=1e-6;%训练目标设置
0 {- u% I, w/ s) G, i2 S) |. APL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
  K; Q7 `) A4 O[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
trainInsect = mapminmax('reverse',trainSamples.T,ts);%正常输入的9组数据t
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
4 i' f: ?3 n) s& \1 AvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
) K' \( }9 ^' s. p; GtestOutput = 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
: k8 \: [7 ^* W' t0 TabsTrainError = trainOutput-trainInsect;
1 Z9 @  Z7 N( K  P4 Y3 i: FabsTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
/ k% |* s/ O! M5 n( f6 g  S2 pAll_error=[All_error error_sum];
. p& r1 L' A0 A, C( heps=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
+ Y) u8 p6 T$ Lif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
8 e* B) L* o( i" H2 l% ssave mynetdata net
     break
end
% r9 N, I  j  nj
end
* f% p$ }. q9 b$ A% T* |! M问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
& d! Q& `- k7 B# h) f* U中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂