这是SUNet_Swin Transformer的修改版本，带有用于图像去噪的UNet。_This is a modified version of SUNet_ Swin Transformer with UNet for Image Denoising..zip SUNet-Ver2-Gray-Link2Matlab是基于Swin Transformer架构的SUNet网络的改进版本，其主要改进点在于集成了UNet结构，以提升图像去噪的性能。该网络的核心优势在于其强大的特征提取能力，Swin Transformer结构能够有效捕获图像的全局信息，并处理长距离的依赖关系。UNet的加入进一步增强了对图像细节的把握，尤其是在去除图像噪声的过程中，UNet可以更细致地区分噪声与图像细节。 在图像去噪领域，传统的算法往往难以同时达到去噪效果和保持图像清晰度的双重目标。而基于深度学习的方法，尤其是结合了Transformer与UNet结构的方法，为这一领域带来了新的突破。Transformer在处理序列数据方面的优势，使其在图像去噪任务中能够捕捉到更加丰富的上下文信息，而UNet在图像分割任务中的成功经验则增强了模型在细节上的表现力。 在实际应用中，SUNet-Ver2-Gray-Link2Matlab能够处理各种类型的噪声，包括但不限于高斯噪声、泊松噪声等。它不仅能够恢复图像的原始面貌，还可以在去噪的同时保留重要的边缘信息和纹理细节。这对于图像处理的下游任务，如图像识别、图像分析等都具有重要的意义。 此外，由于SUNet-Ver2-Gray-Link2Matlab是为灰度图像设计的版本，因此它特别适合处理单通道图像数据，这在医疗影像、卫星图像等领域有着广泛的应用。将模型与Matlab平台进行链接，也意味着该模型不仅能够在高性能计算环境下运行，还可以在工程师和研究人员常用的平台上进行便捷的操作和实验。 SUNet-Ver2-Gray-Link2Matlab作为一款图像去噪工具，通过引入UNet改善了Swin Transformer的性能，为图像去噪提供了新的解决方案，并通过其对灰度图像的优化处理以及与Matlab平台的兼容性，为图像处理研究者和工程师提供了强大的工具。

如何使用for循环编写斐波那契数列，选取Fn=x的入口编号，并绘制它们

FIBONACCI(N) 表示标量 N，是第 N 个斐波那契数。 当 N 是 ND 数组时，FIBONACCI(N) 是与 N 的每个元素对应的斐波那契数数组。 例子： >> 斐波那契（魔术（3）） 答案 = 21 1 8 2 5 13 3 34 1 >> 斐波那契(-pascal(3)) 答案 = 1 1 1 1 -1 2 1 2 -8

实验一、Fibonacci数非递归解 Fibonacci数列 的定义如下： 请用递归方法和非递归方法求解该问题，各编写一个函数，要求函数接受 的值，返回 的值。两个程序实现后，分别求 的情况，对比两个程序的执行时间，然后分别对两种算法进行复杂性分析。

斐波那契_线程 使用递归斐波那契数列的线程示例。 熟悉 C# 线程的程序。 递归斐波那契数列本身只是为了线程而选择的。

利用C#语言编写的小程序（Fibonacci数列+e的计算+π的计算） 利用C#语言编写的小程序（Fibonacci数列+e的计算+π的计算）

fibonacci_clock 基于Java的fibonacci_clock

使用raptor编程软件实现斐波那契数列。

本人参照《算法导论》实现的斐波那契堆的源代码，用C语言实现。

斐波那契数列的高效求法-动态规划，内含两份代码，一份是递归求解，另一个是动态规划