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
, Z4 L; G. ]) d6 x/ \7 h% C% 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
5 J5 ~: b' I& I) y5 O' y%by akjuan
4 E) r7 T7 {6 H" @9 {4 ?%all rights preserved by www.4math.cn
All_error=[];%所有误差存储
# Y+ g( g; g9 s& [year=1986:2000;%数据是从1986到2000年的
5 m7 E; d4 x' e# P; Q% Z! Z- Ap=[493 372 445;372 445 176;445 176 235;176 235 378;235 378 429;...
6 N  Y, c7 A+ U+ A- j( T( X* q   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
# W: U2 O( t% 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
& w4 ^( {3 C& [2 \[normInput,ps] = mapminmax(p);
[normTarget,ts] = mapminmax(t);
. o' A- I8 D8 J% {1 N. h; jtestPercent = 0.20;  % Adjust as desired
validatePercent = 0.20;  % Adust as desired
[trainSamples,validateSamples,testSamples] = dividevec(normInput,normTarget,validatePercent,testPercent);
for j=1:200
NodeNum1 = 20; % 隐层第一层节点数
+ u* e: g: b3 ]1 ?NodeNum2=40;   % 隐层第二层节点数
9 F( G- p# X5 b# M/ A! fTypeNum = 1;   % 输出维数
TF1 = 'tansig';TF2 = 'tansig'; TF3 = 'tansig';
( I5 W/ D( M! N0 @. m$ F! Ynet=newff(minmax(normInput),[NodeNum1,NodeNum2,TypeNum],{TF1 TF2 TF3},'traingdx');%网络创建net.trainParam.epochs=10000;%训练次数设置
1 M, f0 P4 k5 g, c, T% d2 c  Unet.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);
[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
  \; m% Z# K8 x7 K[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
6 }, O. O  E( h2 PtrainInsect = 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
2 c7 d7 h% B/ q9 [+ WvalidateInsect = mapminmax('reverse',validateSamples.T,ts);%用作变量3的数据t
3 W) _/ x% |8 B$ t0 E/ TtestOutput = 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
  m' f+ P' M3 K- d% H3 u9 F; I5 p5 T( babsTrainError = trainOutput-trainInsect;
+ e& x4 }1 P6 i3 U* @2 f  X& RabsTestError = testOutput-testInsect;
error_sum=sqrt(absTestError(1).^2+absTestError(2).^2+absTestError(3).^2);
9 X3 X' K: w. r0 C% R0 D# y: YAll_error=[All_error error_sum];
. b! ~/ V" I/ q. Heps=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
, e/ ^5 ~* Z; u) }if ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
save mynetdata net
     break
  g% X2 Y/ f2 Hend
j
end
问题是：
6 ]3 C  z% o  v6 ^1 a1 e  E0 Cif ((abs(absTestError(1))<=30 )&(abs(absTestError(2))<=30)&(abs(absTestError(3))<=30)|(error_sum<=eps))
# R1 r" L( l) a, H  q* {- E中的30是怎么算出来的啊

刚飒雷丝

好复杂啊!看不懂