본 논문은 고차원 시계열 데이터 분석 및 이상치, 변칙 감지를 위한 새로운 접근법인 '놀라움을 통한 학습(LvS)'을 제안합니다. 기존 기법들이 고차원성, 복잡한 분포, 그리고 희소성과 같은 문제점으로 인해 효과적인 분석에 어려움을 겪는다는 점을 지적하며, 인간의 예상치 못한 편차에 대한 주의 집중 방식인 '놀라움' 개념에서 영감을 얻었습니다. LvS는 기대되는 행동으로부터의 편차를 정량화하고 우선순위를 매김으로써 시계열 데이터의 이상 현상을 정량화하고 우선순위를 지정합니다. 센서 데이터, 전 세계 사망 원인 데이터, 미국 대통령 연설문 등 세 가지 고차원 시계열 데이터에 LvS를 적용하여 이상치, 변칙 및 가장 변동이 큰 특징을 효율적이고 해석 가능하게 식별할 수 있음을 보여줍니다. LvS는 인지 과학 이론과 계산 방법을 연결하여 맥락을 유지하면서 이상 현상 및 변화를 감지하는 새로운 방법을 제공합니다.
