一matlab程序中一点点的小问题

yychanaz

神经网络预测
+ {5 X" _. c9 D, D) \8 X$ H- m% 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
9 O! R* A' P; [* C. R%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
4 _7 m4 t6 Z( J: L4 Zyear=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;...
   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
& l/ Q" _5 `' H( ~4 k   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
: d6 ?6 G- G2 `8 gt=[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
+ w5 c  E+ @% k3 p$ C# K9 E[normInput,ps] = mapminmax(p);
: l: i. A$ Z7 F) b8 }9 k3 z[normTarget,ts] = mapminmax(t);
testPercent = 0.20;  % Adjust as desired
! R0 e' F! [: H, B. qvalidatePercent = 0.20;  % Adust as desired
' ^4 W- I# |; @4 c: X. Q) C[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
NodeNum1 = 20; % 隐层第一层节点数
& w: i; ?5 z' ^NodeNum2=40;   % 隐层第二层节点数
TypeNum = 1;   % 输出维数
TF1 = '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
9 q) e( A2 s6 K$ d& L, wPL.lr=0.01;net.trainfcn='traingdm';
[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
[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
5 w8 V% p/ {( K( H: b! C. b% Z/ `8 vtrainOutput = 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
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
testInsect = mapminmax('reverse',testSamples.T,ts);%用作变量3组数据t
%绝对误差计算
absTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
4 U! G6 I2 A! F: O2 T3 yerror_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
: q6 o+ `& w- A: R( Y6 jeps=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))
( V' k8 f. D' c# B' l8 D6 Gsave mynetdata net
* }( f+ f. e  ~7 h* e2 F3 i' A     break
end
j
end
5 l# {7 h: ]" b# y6 B问题是：
! z& f. j8 p) L/ zif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
; z. n% \% j! o. n2 E. B; l' t7 h中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂