시계열 데이터의 효과적인 표현을 학습하기 위해 다양한 데이터 증강 방법, 시간 변환기와 시간 합성곱 신경망의 융합, 그리고 지도 학습 대조 손실 함수를 활용한 새로운 모델 SCOTT을 제안한다.
TSLANet은 Fourier 분석과 적응형 필터링을 활용하여 시계열 데이터의 장단기 의존성을 효과적으로 학습하고 노이즈를 완화하는 혁신적인 합성곱 기반 모델이다.