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: h8 y% B$ L* t% 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
8 u" ~% F( T/ h3 w: g%by akjuan
7 g+ @2 T$ o5 S; V  b1 n) O7 b4 j6 Q$ J%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;...
, P  ?' K6 F% L8 J9 {   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
7 X2 p! `. O; B& J5 e, @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);
, |. \' x. l" Y6 I[normTarget,ts] = mapminmax(t);
testPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
" u- f( n0 H7 G0 O[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
! s. F9 K3 p7 q! V# Qfor j=1:200
NodeNum1 = 20; % 隐层第一层节点数
1 V: z* W3 `8 |- y# }) pNodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
$ F' J$ m' ]+ A: @/ t4 U) W1 WTF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
- s4 p# i( ~( Q- F7 b; ]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
PL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
2 ?" ~4 }9 j: r3 x$ {6 Y+ }[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
& J2 |* i# j- [! _1 l[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
/ h, L7 g7 o5 S& }# ]5 v[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
' {/ x+ i! b# r/ J! m! Q$ M: u+ NvalidateOutput = mapminmax('reverse',normValidateOutput,ts);%用作变量3的数据p，BP得到的归一化的结果t
% z2 ~& O* p) jvalidateInsect = 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
) I, P5 k3 E5 i7 k9 btestInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
) ~# r' h( T% Q6 y%绝对误差计算
" i, m, [" }, @' M' _+ p- Z+ }absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
) V3 X5 m- O8 l7 L: F+ I) aerror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
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
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
0 V  P' u" i. h, C4 D. g# t, U) o8 zsave mynetdata net
) Y: ^, ^) R" c6 X) E     break
) d/ r" ^0 x1 S) [/ @9 r7 H7 |end
j
' N- A2 e9 r, ?: x& B0 a8 C( y! a( {end
8 [. D( [: E  l6 {) @问题是：
9 C! a. p6 S- X. \if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
; t& d! k; H* M中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂