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
& q1 p7 a) j4 D, K% 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
%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;...
/ k" C8 \0 ~1 \( l' a% Q( O0 u$ A   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
8 O# i0 P4 @! F7 f   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
8 d2 `: S" p) l$ _8 {  Lt=[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);
# D2 I8 m7 J8 E; W[normTarget,ts] = mapminmax(t);
# V+ o: B$ I  NtestPercent = 0.20;  % Adjust as desired
$ F0 _% ~$ n. j$ r! f& p; z% YvalidatePercent = 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
TypeNum = 1;   % 输出维数
2 {1 V( k3 c. u! \" V9 r0 |) L( HTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
: A8 W  `5 a- y5 P( [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
/ c' r0 Y- H/ v$ T. T! jPL.lr=0.01;net.trainfcn='traingdm';
$ N. m! g* n* [8 @* @4 z[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
/ x9 J2 M4 x) I7 R& q' n2 U[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
( {6 a2 K9 e: Y/ T" \$ @5 \[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
% C  J6 [: b6 ]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
8 b" @- e7 B2 M! kvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
& Z4 O4 f7 Z: `2 C" X7 xtestOutput = mapminmax('reverse',normTestOutput,ts);%用作变量3组数据p，BP得到的归一化的结果t
" f3 C) g5 j8 i. c' LtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
6 H+ P4 p! t0 f" _# ?  e. J%绝对误差计算
absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
8 Y7 n8 ^+ A" B6 r" Ueps=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% C! H! H8 _, Jif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
     break
end
1 Y% o' U1 C: Q) y  nj
end
问题是：
- H: K, W. N, d' e$ J' k  W5 Z, Qif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
" X- v1 }  k2 ~1 w$ R7 S0 d中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂