广义回归神经网络(GRNN Generalized Regression Neural Network）是美国学者 Don-ald F. Specht在1991年提出的,它是径向基神经网络的一种。GRNN具有很强的非线性映射能力和柔性网络结构以及高度的容错性和鲁棒性,适用于解决非线性问题。GRNN 在逼近能力和学习速度上较RBF网络有更强的优势,网络最后收敛于样本量积聚较多的优化回归面,并且在样本数据较少时,预测效果也较好。此外,网络还可以处理不稳定的数据。因此，GRNN 在信号过程、结构分析、教育产业,能源、食品科学、控制决策系统、药物设计、金融领域、生物工程等各个领域得到了广泛的应用。

GRNN网络的预测——基于广义回归神经网络的货运量预测

基于matlab的GRNN分类器实现的代码

介绍了车牌图像的预处理方法，包括图像的灰度化处理，中值滤波，基于直方图均衡化的光影处理，图像增强处理以及图像锐化等多个方面。最后介绍了基于颜色模型的车牌定位算法，并结合图像校正计算获得了标准的车牌区域。通过一种改进的基于形态学轮廓特征和垂直映射的字符切割算法对提取的车牌图像进行字符分割，然后对分割后单个字符提取HOG特征，最后通过GRNN神经网络根据字符的HOG特征进行车牌识别。MATLAB仿真结果表明，本文所研究的车牌识别方法具有较高的识别正确率，其正确率可以达到90%以上。

该程序适用于结构的可靠度计算，基于GRNN广义回归神经网络获得设计变量与结构响应的映射关系，通过JC法求解结构可靠度。该程序可移植于广泛的结构可靠度计算

GRNN网络的预测基于广义回归神经网络的货运量预测,grnn神经网络算法,matlab源码.zip

GRNN神经网络在电力系统负荷预报中的应用.pdf

用matlab简单实现grnn，代码注释中含有对grnn网络原理的解释，可直接拿来做模版。

径向基神经网络做预测控制程序的代码，代码以txt文件形式上传。

广义自回归神经网络MATLAB预测代码（含原始数据，详细注释，结果分析）更替数据既可以适用于其他预测，可操作性强