평가 코드(raw/model1.py)와 전처리가 일치하는 학습 스크립트와
학습에 필요한 기준 정보(parameters/)를 추가한다.

- train.py
  - 퍼지화 전처리를 model1.py fuzzification 과 동일하게 재현
    (분기 순서, +1e-6 오차항, 이중 round 포함)
  - 모델 구조/손실함수를 model1/model.h5 에서 복원
    Conv1D(128,3,same) -> relu -> MaxPool(2,2,same) -> Dropout(0.2)
    -> Flatten -> Dense(n_class) -> softmax, Adam(1e-3)
  - 창 단위 정확도와 진단 로직(5회 연속 확정) 기준 평가를 함께 보고
  - 플랫폼 규약(--input-path/--output-path/--experiment, MLflow) 준수
    MLflow, sklearn 이 없어도 학습은 진행

- parameters/
  - param_785.csv     학습 대상 변수 785개 (모델 입력 축 순서 기준)
  - test_signals.csv  785개 정규화 기준. 배포된 759개 파일과의 교집합
                      324개는 그 값을 쓰고, 나머지 461개는 데이터에서 산출
  - test_label.csv    클래스 53개
  - var_name.csv      전체 변수 목록 14043개 (wide 배열 이름 기준 추출용)

검증: 원본 test_signals.csv 로 산출한 minmax_np 가 model1.py 와 완전 일치,
실제 testcase 퍼지화 결과 최대 절대오차 0.0, 진단 로직 출력 일치.