Single Stream 神經網絡架構指的是利用單一數據流（stream）對輸入數據進行特徵提取和處理的神經網絡結構。與多流（multi-stream）或雙流（two-stream）網絡相比，單流網絡不會分開處理數據的不同模態或不同特徵子集，而是通過統一的網絡結構完成所有信息的學習。
Single Stream 神經網絡的核心特點：
• 單一路徑處理所有數據：所有特徵從同一網絡通路學習，不存在分叉流。• 結構相對簡單：架構設計與訓練成本較低，適合資源有限環境。
• 適用範圍廣泛：常用於單一模態數據如圖像分類、語音識別等任務。
• 效率較高，計算需求較低：適合嵌入式和實時系統。
典型應用：
• 圖像分類、目標檢測中使用卷積神經網絡（CNN）單流架構。
• 語音識別使用單一聲音輸入流的循環神經網絡（RNN）或卷積網絡。
• 音頻分析、時間序列預測等單模態任務。
與多流架構對比：
• 多流架構通常在不同數據模態或不同特徵空間平行學習，再融合結果以提升表現，適合複雜多模態任務。
• 單流架構更專注於單一數據源，實現更簡單但有時表現稍弱。
簡單比喻：
Single Stream 就像用一條直線走完整個旅程，所有風景一氣呵成；多流則像分多條路線同時探索不同風光，最後匯合。
總結：
Single Stream 神經網絡以單一路徑學習特徵，結構簡潔、計算高效，適用於單模態數據和資源有限環境，是許多基礎任務的標準架構選擇。
