| | H | Acc | SDT (s) | L | acc1 |
|---|---:|---:|---:|---:|---:|
| Trung bình 5 fold | **0,8677** | **82,42** | **4,63** | **0,917** | **0,828** |
| AVGC | 0,7945 | 74,06 | 9,71 | 0,857 | |
| DTU | 0,9061 | 89,85 | 4,90 | 0,914 | |
| KUL | 0,8755 | 82,33 | 4,31 | 0,935 | |
| UHD | 0,8407 | 79,47 | 3,80 | 0,892 | |
| USTC | 0,9219 | 86,36 | 0,42 | 0,989 | |

---

## Tiền xử lý

`stem_ms96` không lọc EEG và không đọc envelope. Việc đó đã xong ở bốn bộ phân loại trực tiếp mô tả trong `README_BEST.md`: tiền xử lý `eaP_n5_t60`, cửa sổ 10 giây, thân 3 khối, tăng cường hai lần chuyển. Mỗi bộ, mỗi 0,25 giây, trả về một số `d = r0 − r1`. Số dương nghiêng về người nói ở cột 0. Bốn seed cho bốn số tại cùng một thời điểm. Switch tổng hợp đã được áp vào đầu vào của các bộ đó, nên chuỗi số này đã mang sẵn các lần đổi phía.

Từ bốn chuỗi đó, mỗi trial được xử lý theo thứ tự sau. Mọi bước chỉ dùng frame hiện tại và các frame đã qua.

1. **Giữ nguyên logit thô.** Đây là phiếu bầu tức thời của từng seed. Đường tắt của mạng sẽ bắt đầu bằng trung bình của đúng bốn số này.
2. **Bỏ phần trôi chậm.** Một trung bình nhân quả khoảng 60 giây, và một bản khác khoảng 120 giây, bị trừ khỏi logit. Phần còn lại là những thay đổi nhanh hơn mức trôi đó. Một seed bị lệch dương suốt cả trial không còn bị đọc nhầm thành "đang chú ý cột 0".
3. **Chia cho biên độ gần đây.** Độ lớn chạy của khoảng 60 giây vừa qua chia logit. Seed nói to và seed nói nhỏ được đưa về cùng một thang, mà không dùng mẫu nào phía sau thời điểm hiện tại. Bước này không trừ trung bình; nó chỉ chỉnh độ lớn.
4. **Lấy độ dốc 1 giây.** Logit hiện tại trừ logit của 1 giây trước. Lúc người nghe vừa đổi phía, ô này đổi dấu trước khi mức logit kịp ổn định. Bốn frame đầu trial bằng 0, vì chưa có đủ 1 giây quá khứ.
5. **Lấy trung bình 2 giây.** Trung bình các frame từ hiện tại lùi lại tối đa 8 bước. Đây là phiếu bầu đã làm dịu, bớt rung từng bước 0,25 giây. Đầu trial dùng đúng số frame đã có.
6. **Ghép thành 24 kênh.** Mỗi seed có sáu ô ở trên. Trong từng nhóm, seed 0, 1, 2, 3 đứng liền nhau, nên kênh `i` và kênh `i + 4` là hai cách nhìn của cùng một seed. Thứ tự này bị khóa: lúc train, mạng đôi khi xóa cả sáu ô của một seed; đường tắt cũng nhận ra bốn logit thô theo đúng bốn kênh đầu.
7. **Chuẩn hóa bằng tập train của fold.** Mỗi kênh trừ trung bình và chia độ lệch chuẩn của mọi frame dùng để train. Tập đang chấm không vào hai số này. Cùng một thang được dùng cho mọi dataset trong fold, và được ghi vào checkpoint để suy luận dùng lại.
8. **Cắt cửa sổ 24 giây.** Quyết định tại thời điểm t chỉ nhìn 96 frame kết thúc tại t. Trial ngắn hơn được điền 0 ở bên trái. Các frame điền 0 không có loss.

Sáu cách nhìn này là họ đặc trưng `ms`. Bản `ms_w96` dùng đúng chúng, cùng cửa sổ 24 giây, và đạt H 0,8480. Phần stem phía sau cộng thêm khoảng 0,020 H. Bản chỉ giữ logit thô cộng bản trừ trôi 120 giây, cửa sổ 12 giây (`recipe_hp48`), đạt H 0,8323.

---

## Tóm tắt các block

`stem_ms96` không đọc EEG. EEG đã được bốn direct-classifier biến thành logit. Các block dưới đây là đúng những gì mạng này làm, từ chuỗi logit tới nhãn được chấm.

- **EEG → 4 logit seed.** Mỗi 0,25 s, `DirectNet` đọc cửa sổ EEG 58 kênh cùng đặc trưng hai luồng kích thích và xuất `d = r0 − r1`. Bốn seed cho bốn chuỗi `(T, 4)`. Switch tổng hợp đã nằm trong các chuỗi này.
- **24 kênh `ms`.** Mỗi logit được viết thành 6 bản nhân quả rồi ghép lại `(T, 24)`: thô, high-pass 60 s, high-pass 120 s, chia biên độ chạy ~60 s, độ dốc 1 s, trung bình 2 s. Cùng một seed chiếm các kênh `i, i+4, i+8, …`.
- **Cửa sổ 24 s và chuẩn hóa.** Lấy 96 frame kết thúc tại thời điểm cần quyết định, shape `(96, 24)`. Trừ mean, chia std đã tính trên tập train. Trial ngắn hơn được đệm 0 bên trái.
- **Depthwise conv, kernel 9.** Mỗi kênh một bộ lọc nhân quả, nhìn lùi 2,25 s. Cộng residual. Khởi tạo 0 nên lúc đầu block này không đổi gì.
- **Chiếu lên 64 chiều.** `Linear(24 → 64)`. Mọi block sau làm việc ở `d_model = 64`.
- **Bốn conv giãn.** Dilation 1, 2, 4, 8, kernel 5, LayerNorm + GELU + dropout, mỗi khối là residual và khởi tạo về hàm đồng nhất. Frame quyết định nhìn lùi 17,25 s, nằm trọn trong cửa sổ 24 s.
- **Cộng vị trí.** Vector học được theo chỉ số trong cửa sổ. Frame quyết định luôn là vị trí 95.
- **Transformer 2 lớp.** 4 head, FFN rộng 128, pre-norm, GELU. Mask tam giác: vị trí `t` chỉ attend frame `≤ t`. Attention trộn cả 24 s đã đi qua stem.
- **Head + đường tắt.** `Linear(64 → 1)` khởi tạo 0, cộng `Linear(24 → 1)` trên 24 kênh gốc. Đường tắt bắt đầu bằng trung bình bốn logit thô, nên logit ban đầu chính là trung bình bốn seed.
- **Lấy frame cuối.** Train có loss trên mọi frame hợp lệ. Lúc suy luận chỉ giữ logit tại frame cuối của mỗi cửa sổ. Ra một số mỗi 0,25 s.
- **HMM 2 trạng thái.** Logit là phát xạ Gauss. `p_stay` 0,994 (USTC: 0,996) và `scale` 0,8 được chọn trên inner. Đường đi của HMM là nhãn 0/1 được chấm thành H, Acc, SDT, L.