EEG基础模型中的时序特征抽取器：含预训练时序模型的受控比较

脑电图（EEG）基础模型旨在从大规模脑记录中学习可泛化表示。但时序特征抽取器的角色以及预训练时序基础模型（TSFM）能否有效迁移到该设定仍未充分探索。我们在统一的EEG基础模型内对三种时序特征抽取策略做受控比较：线性基线、卷积编码器与冻结的预训练TSFM（MOMENT）。以运动想象与情绪识别两个下游任务评估其对表示质量的影响。结果跨基准呈现不同趋势：运动想象数据集上简单时序表示表现有竞争力，而情绪数据集受益于更丰富的时序建模。尽管未专门适配EEG，预训练TSFM作为有效的时序特征抽取器——提示通用时序表示可在EEG基础模型中作为冻结时序特征抽取器迁移。