一matlab程序中一点点的小问题

yychanaz

神经网络预测
, f; ~% M5 F! Y1 ?$ `4 \( z; N% 数据为1986年到2000年的交通量 ，网络为3输入，1输出
7 P6 W% s* Q6 \0 t% 15组数据，其中9组为正常训练数据，3组为变量数据，3组为测试数据
; w  Z0 _. f- {1 P9 \% c%by akjuan
%all rights preserved by www.4math.cn
* B5 Y( m" _' m" SAll_error=[];%所有误差存储
year=1986:2000;%数据是从1986到2000年的
p=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
   378 429 561;429 561 651;561 651 467;651 467 527;467 527 668;...
   527 668 841; 668 841 526;841 526 480;526 480 567;480 567 685]';%输入数据，共15组，每组3个输入
t=[176 235 378 429 561 651 467 527 668 841 526 480 567 685 507];%输出数据，共15组，每组1个输出
. \; [5 a0 ^; |9 M  A: ?" b7 ?[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
" `7 V4 X: \) O7 |% l2 V" d9 LtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
( t# e4 P6 ^  M( X) P7 Wfor j=1:200
NodeNum1 = 20; % 隐层第一层节点数
3 V3 a! E  B2 m' [4 ]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
" f# [8 `) j' I2 i9 gPL.lr=0.01;net.trainfcn='traingdm';
/ y: k" E# w) a% `. A) `" h5 |0 q[net,tr] = train(net,trainSamples.P,trainSamples.T,[],[],validateSamples,testSamples);
3 b% e7 b2 I* ?+ y# o0 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
. e7 g) o. H+ h; v! M  j4 k9 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
. e. c8 t$ d- @; A: _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
0 R: J5 K' d, b/ S; I- \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
( [- U6 q6 e" K" e9 N: yabsTrainError = trainOutput-trainInsect;
absTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
All_error=[All_error error_sum];
3 I0 u+ v: U5 x. @$ D% H7 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
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
8 K* P  e  p# [8 Y% d1 D. F     break
end
. \) R: z) q6 a8 nj
end
* G% @5 Q. X5 ~) N; d问题是：
if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
! v5 I6 K9 K  G中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂