본 논문은 고차원 시계열 데이터 분석 및 이상치 탐지의 어려움을 해결하기 위해, 인지과학의 '놀라움(surprisability)' 개념을 활용한 새로운 방법인 LvS(Learning via Surprisability)를 제안합니다. LvS는 예상치 못한 편차를 정량화하여 시계열 데이터의 이상 현상을 우선적으로 파악합니다. 센서 데이터, 전 세계 사망 원인 데이터, 미국 대통령 연설문 등 다양한 고차원 시계열 데이터에 LvS를 적용하여 이상치 및 변동성이 큰 특징을 효율적이고 해석 가능하게 식별하는 결과를 보여줍니다. LvS는 인지 이론과 계산 방법을 연결하여 맥락을 유지하면서 이상 현상 및 변화를 감지하는 새로운 관점을 제공합니다.
