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
  S+ b/ v; Y) e6 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
%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
( ~* G( T( h+ cp=[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;...
. U" {* r+ ?6 H) G- H8 I   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
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
! R' _% @. }1 u- m+ l2 c9 h[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
testPercent = 0.20;  % Adjust as desired
/ d- @$ O) S! g1 H0 H: \# NvalidatePercent = 0.20;  % Adust as desired
& s3 n7 I9 X4 X- k[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
1 Z; P9 @1 e  c# m% U( ], J. 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
/ X" u( o- H6 \$ s6 C% PTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
, H9 \2 D$ \+ q7 j6 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
+ d5 N; K1 h# W- qnet.trainParam.goal=1e-6;%训练目标设置
PL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
0 o; y+ E2 t; P0 r; Z$ ^[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
2 Y% S( O+ c' ^9 \3 T2 @' H[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
validateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
; y/ w! o5 C8 z" `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
5 j' a" X2 z" \- c8 dtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
5 P0 k  a2 B5 Q; F+ _* [' r%绝对误差计算
absTrainError = trainOutput-trainInsect;
! C& V, v$ o8 z2 A( U0 @absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
* S4 P$ Z( h: H: `5 a; m! H6 dAll_error=[All_error error_sum];
( P; D+ l* ?( ~9 ]. K* E2 h3 Q( oeps=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
9 _- y- U) _( ~* _! j8 Dif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
0 N% s( g5 T, d/ t- dsave mynetdata net
) v" o) p+ }9 {# H: _. ?& U     break
end
  S/ l: {) G( p1 G, gj
* T: w0 S& Q1 z) k$ Pend
' i0 B3 H$ E7 l5 r( q问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
# z5 B; e0 I# w9 ~" m+ y  b/ C, \中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂