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
% n( u7 ?3 X9 ]9 ^9 [3 X& w% 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;...
$ f/ h4 q  k$ V3 Z$ r   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
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
[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
% y8 Z# L4 a9 ltestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
; z3 ?# r5 Q- Lfor j=1:200
& U* a1 r/ e% C+ D5 XNodeNum1 = 20; % 隐层第一层节点数
& x) [, Z2 K, T* Z2 t  aNodeNum2=40;   % 隐层第二层节点数
8 p1 U1 h# y# C+ \+ mTypeNum = 1;   % 输出维数
! I1 O- w% \! Y$ ~; l1 S. e  O/ Z* iTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
9 d, P9 w# B9 N0 Bnet=newff(minmax(normInput),[NodeNum1,NodeNum2,TypeNum],{TF1 TF2 TF3},'traingdx');%网络创建net.trainParam.epochs=10000;%训练次数设置
/ H7 s+ I3 |0 I# T% Dnet.trainParam.goal=1e-6;%训练目标设置
PL.lr=0.01;net.trainfcn='traingdm';
' f0 D: K! g; [/ Q[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
1 O& L6 ?5 G# F  E[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
: K& W, c5 G5 r5 u4 _$ L7 }7 RvalidateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
- Q/ d# d* {" }( ^% n5 yvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
4 _! i& q: 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
& \( F7 ^6 E3 J# P# v* n' NtestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
+ Y5 l- w  h* C' L! X: ^0 a+ aabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
# j- O8 B9 a2 V% N# @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
- U9 p3 L: W( b( Cif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
     break
3 h8 i, s$ N) M& s8 g9 Aend
j
6 J3 [% }/ Y' k4 A" Yend
% {' B- k  F% R/ g  y" O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