本文探讨了意向性陈述的答案集程序划分问题，提出通过分析谓词依赖关系和上下文来提升逻辑程序计算稳定模型的性能，并证明了程序的正确性。

本文提出了一种基于数据驱动的方法，利用Koopman嵌入将原始状态空间提升到更高的线性流形，从而学习非线性系统的稳定模型。该方法在离散时间下能够学习所有非线性收缩模型，并通过直接参数化稳定线性系统来简化计算。在模拟系统上验证了该方法，并分析了与替代方案相比的优势。