本研究では、汎用の時系列基盤モデルを用いて、脳波（EEG）の分類タスクにおける適用性を探求しています。具体的には、運動イメージ分類や睡眠段階予測といったEEGの異なるタスクにおいて、最近提案された時系列分類基盤モデルの性能を評価しました。2つの事前学習方法を検討しました。(a) 複数の領域からの異種実世界時系列データ上での事前学習、および (b) 完全に合成されたデータ上での事前学習です。両方のアプローチとも強力な性能を発揮し、広く使用されているEEGNetや最新のEEG特化型基盤モデルであるCBraModを一貫して上回りました。これにより、非神経起源データや合成信号で事前学習した汎用時系列モデルがEEG分析において有効に適用できる可能性が示唆されました。