摘要

本文由Florence Dupin de Saint-Cyr和Jérôme Lang撰写，探讨了关于未预测变化和显式时间的推理问题。文章提出了一种解释时间戳观察结果的方法，通过“惊喜”（即流的状态值变化）来解释观察结果。文章定义了一个处理惊喜的框架，提供了最小惊喜集合及其发生的时间间隔，并从基于模型的诊断角度对其进行了特征化。此外，文章还提出了一种概率方法来最小化惊喜。

原理

文章的核心在于通过“惊喜”来解释时间戳观察结果，这些惊喜是流的状态值变化。文章定义了一个框架，其中流是随时间变化的命题，观察是对某些流在某些时间点的知识，变化是流在某个时间点的值与前一时间点的值不同。文章通过计算最小惊喜集合及其发生的时间间隔，从基于模型的诊断角度对其进行了特征化，并提出了一种概率方法来最小化惊喜。

流程

文章首先定义了场景（scenario），即一组时间戳公式。然后，文章定义了变化（change）和惊喜（surprise），并提出了计算最小惊喜集合的方法。文章通过一个具体的例子来说明这一过程：两只猫住在房子里，观察者在不同时间点观察到猫的状态变化，通过计算最小惊喜集合来解释这些观察结果。

应用

文章提出的方法可以应用于需要解释时间序列数据的领域，如智能监控、系统诊断和预测分析等。通过最小化惊喜集合，可以更准确地解释和预测系统的行为，从而提高系统的可靠性和效率。