[[TSifter]]のフェーズ１は、[[PatternMatcher メトリクスの典型的な13種類の異常パターン]]に基づく[[畳み込みニューラルネットワーク|CNN]]での異常パターン分類CNNの分類器に、正常パターンも含めて学習する。 - 運用者が個別にモデルを学習させなければならない手間があるはずだが、これぐらい単純なモデルなら、我々が学習済みモデルを作成して、それをオープンにして共有すれば、個別に学習させなくてすむのではないか？ - となるとCNNによる学習済みモデルが入力に対してどれくらいロバスト？であるかを知りたい。 - 学習時と推論時で、時系列長が異なっていてもよいのか？ - 一般的には、大きめの学習データセットで学習させ、推論時には、入力データをゼロフィル拡張し、学習時の系列長と一致させる。 CNNの異常パターン分類を異常検知として使用すると**学習データセットにない正常パターンを異常と検知する可能性がある**。しかし、学習させるデータセットの異常のクラスは13種類、正常クラスが1種類であれば、未知のデータは正常クラスに分類される蓋然性が高いようにも思える。