इस पत्र में, हम उच्च-आयामी समय श्रृंखला डेटा का विश्लेषण करने और आउटलेर्स और विसंगतियों का पता लगाने के लिए एक नवीन दृष्टिकोण प्रस्तावित करते हैं, जिसे 'सरप्राइज़ के माध्यम से सीखना (LvS)' कहा जाता है। हम देखते हैं कि मौजूदा तकनीकें उच्च आयामीता, जटिल वितरण और विरलता जैसी समस्याओं के कारण प्रभावी ढंग से विश्लेषण करने में संघर्ष करती हैं, और हम 'सरप्राइज़' की अवधारणा से प्रेरणा लेते हैं, जो अप्रत्याशित विचलनों पर ध्यान देने का एक मानवीय तरीका है। LvS अपेक्षित व्यवहारों से विचलनों को मापकर और प्राथमिकता देकर समय श्रृंखला डेटा में विसंगतियों को मापता और प्राथमिकता देता है। हम LvS को तीन उच्च-आयामी समय श्रृंखला डेटा पर लागू करते हैं: सेंसर डेटा, वैश्विक मृत्यु-कारण डेटा और अमेरिकी राष्ट्रपति के भाषण, और दिखाते हैं कि यह कुशलतापूर्वक और व्याख्यात्मक रूप से आउटलेर्स, विसंगतियों और सबसे अस्थिर विशेषताओं की पहचान कर सकता है। LvS संज्ञानात्मक विज्ञान सिद्धांतों और कम्प्यूटेशनल विधियों को जोड़ता है ताकि संदर्भ को बनाए रखते हुए विसंगतियों और परिवर्तनों का पता लगाने का एक नया तरीका प्रदान किया जा सके।
