結果
| subject_id | accuracy_8ch | accuracy_9ch | delta_pp |
|---|---|---|---|
| sub1 | 50.73% | 52.20% | +1.46 |
| sub2 | 49.76% | 49.27% | -0.49 |
| sub3 | 53.50% | 52.50% | -1.00 |
| sub9 | 48.26% | 46.74% | -1.51 |
| sub10 | 57.50% | 55.50% | -2.00 |
| sub11 | 70.00% | 69.50% | -0.50 |
| sub12 | 82.61% | 79.60% | -3.01 |
| sub13 | 71.00% | 68.00% | -3.00 |
| sub14 | 55.00% | 55.00% | +0.00 |
| sub15 | 51.71% | 52.18% | +0.48 |
群組結果：8ch 59.01% ± 11.51%；9ch 58.05% ± 10.62%。加入 Cz 的平均差異為 -0.96 pp，bootstrap 95% CI [-1.80, -0.11]，paired Wilcoxon p=0.0506；個體 2 升、1 平、7 降。以十位、單一 seed 而言，結論是 Cz 沒有帶來穩定提升；Wilcoxon 尚未低於 0.05，也不足以斷言 Cz 必然有害。
對 EA、8–30 Hz 與 baseline 的判斷
EA：值得做，尤其是跨受試者 SSL；但 R 必須按 session/subject 定義，online 場景應只用可取得的 calibration 或累積無標記資料，不能偷偷利用完整 test session。原始 EA 論文支持它作為無監督跨域對齊，而不是保證每個模型都大幅提升。
8–30 Hz：是合理的 MI 專用消融，但不能假定必勝。這批資料的 4–40 Hz 已表現不佳，因此應單獨與 1–40 Hz paired 比較。運動想像資料研究也使用 8–30 Hz 檢查 alpha/beta ERD/ERS。
baseline：目前 cache 只有 0–2 秒。單純減去 -0.5–0 秒電壓均值會被後續 trial/channel Z-score 抵消；下一輪較合理的是保留 baseline，計算 task/baseline band-power ratio，或建立 baseline encoder branch。