更改

因果态的形式化定义可以按照如下方式定义：

因果态的形式化定义可以按照如下方式定义：

将测量的数据流<math>s=⋯s_{-2} s_{-1} s_0 s_1 s_2…</math>分为两个部分，按照时间 分为前向序列<math>s_t^→=s_t s_{t+1} s_{t+2} s_{t+3}…</math>和后向序列 ，可以得到一个单侧前向序列和一个单侧后向序列，它们分别表示关于未来和过去的信息。

将测量的数据流<math>s=⋯s_{-2} s_{-1} s_0 s_1 s_2…</math>分为两个部分，按照时间<math>t</math>分为前向序列<math>s_t^→=s_t s_{t+1} s_{t+2} s_{t+3}…</math>和后向序列<math>s_t^←=⋯s_{t-3} s_{t-2} s_{t-1} s_t</math>，可以得到一个单侧前向序列和一个单侧后向序列，它们分别表示关于未来和过去的信息。

属于相同因果态的两个状态 ，他们之间的关系可以表示为： ，“ ” 表示由等效未来形态所引起的等价关系。那么，就会有如下关系：

属于相同因果态的两个状态<math>t、t^' </math> ，他们之间的关系可以表示为：<math>t∼t^' </math>，“<math>∼ </math> ” 表示由等效未来形态所引起的等价关系。那么，就会有如下关系：

     

   <math>t∼t^' 等价于 Pr(s^→ |s_t^← )=Pr(s^→ |s_{t^'}^← ) </math>

式中序列  和  通常是不同的，上式可以理解为，如果 ，就算在不同时刻测量到了不同状态，智能体对未来状态的预测结果也会是相同的。其次，当  和  作为特定符号序列考虑时，  和  可以在许多其他时间点发生。

式中序列<math>t、t^' </math>通常是不同的，上式可以理解为，如果<math>t∼t^' </math>，就算在不同时刻测量到了不同状态，智能体对未来状态的预测结果也会是相同的。其次，当<math>s_t^← </math>和<math>s_{t^'}^← </math>作为特定符号序列考虑时，<math>t、t^' </math>可以在许多其他时间点发生。

这为因果态集合 提供了正式的定义，对于给定的状态 ，可以从中观察到的未来序列的集合 被称为它的“未来形态”（future morph）。导致状态 发生的序列集合被称为它的“过去形态”（past morph）。

这为因果态集合'''<math>S </math>'''提供了正式的定义，对于给定的状态''<math>S </math>'' ，可以从中观察到的未来序列的集合 被称为它的“未来形态”（future morph）。导致状态''<math>S </math>''发生的序列集合被称为它的“过去形态”（past morph）。

===性质===

===因果态的主要性质===

一个过程的因果态具有下述性质：

一个过程的因果态具有下述性质：