2019年5月16日,财政部修订发布《企业会计准则第12号 债务重组》(以下简称 新债务重组准则 ),这是我国企业会计准则体系修订完善、保持与国际财务报告准则持续全面趋同的重要成果。与原债务重组准则相比,新债务重组准则在债务重组定义、重组债权债务统一按金融工具处理以及债务重组损益确认与计量等方面发生重大改变。为了形成财税一体化处理的内容架构,本书以新债务重组准则及其应用指南(含应用指南汇编)为基础,按债务重组确认与计量的逻辑来安排内容:一是债务重组会计概念与税法比较;二是债务重组的涉税规定;三是债权人的会计处理与税务处理;四是债务人的会计处理与税务处理;五是债务重组的会计处理与税务处理案例。本书填补了新债务重组准则缺乏实用资料的空白,可以作为会计、税收类本科生及研究生教学的参考书目以及财
《建筑劳务与劳务公司财税法管控13个秘诀》是基于国家颁布的*新税收政策而编写的税务实践之书,内容很有新颖性和创新性。《建筑劳务与劳务公司财税法管控13个秘诀》重点分析建筑劳务合劳务公司财税法管控的十三种秘诀,具有很强的新颖性和时代的创新性。 《建筑劳务与劳务公司财税法管控13个秘诀》实用性和操作性强。《建筑劳务与劳务公司财税法管控13个秘诀》收集了较多的实例,大部分是来自于笔者在全国财税培训实践中所积累的实例,特别是建筑和房地产行业中的众多实例是笔者在长期税务咨询实践中收集的真实案例,让读者看后,就知道怎样在税收实务中处理各类合同中存在的可能涉税风险点,富有实际操作性和可行性。 《建筑劳务与劳务公司财税法管控13个秘诀》能够作为各地税务干部、财务总监、财务部经理、企业家或老板的培训教材
本书以TensorFlow1.2为基础,从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念,接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现,紧接着还将TensorFlow与深度学习相结合,从理论基础和程序实现这两个方面系统介绍了N、GAN和RNN等经典模型,然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现,很后全面介绍了TensorFlow生态系统的发展。
本文从利益的视角出发,尝试以利益的方法解读税法制度,文中关于税法中利益理论的研究主要从以下七个部分展开:章是对税法利益理论的研究逻辑进行探讨。第二章专门探讨税法中的利益识别问题,因为利益概念的复杂性与利益本身的复杂性都是非常突出的,不仅要将现实生活中的利益转化为法律规范上的利益,还需要考虑税法上的特殊利问题。第三章是税法中利益的类型化研究。第四章是税法中的利益冲突及其实证研究,从个人、国家和社会不同的视角对利益进行了详细的观察和解析。第五章是对税法中的利益平衡方法的本体论证,由于税法中存在不同层次、不同角度的利益冲突,因而需要通过的衡量标准评价并选择相关的利益。第六章是税法中利益平衡的约束机制研究。第七章是税法中利益平衡的实现问题研究。
内容全面:本书内容既包括纳税程序环节,也 包括纳税实体环节法律风险提示和法律风险控制策略。 实用性强:本书描述的法律风险均总结自税务律师服务纳税人和税务机关的法律实践,有很强的现实针对性和前瞻性。 简洁明了:本书的目的是让纳税人准确应对税务机关的执法活动,控制纳税过程中的法律风险,其重点是通过税收直接揭示纳税人纳税过程中的法律风险和控制法律风险的策略,很少探讨深奥枯燥的税法理论。
金融创新不仅是促进金融市场从低到高发展的重要推动力,更是引发当前席卷全球的金融海啸的导火线。本书以金融创新的税法规制为题,从金融创新与税法之间的互动关系的理论分析出发,分别从实体、程序和政策选择三个方面对金融创新的税法规制所涉及的问题予以全面的研究,以金融市场尤其是金融创新的特性为出发点,研究税法的应对路径与措施。 本书对金融创新发展过程中税法理论的发展和制度设计的思考秉持法学理念和法学规范分析方法,对金融创新趋势下的税收课征问题从宏观性、一般性的视角予以考察和研究,并强调以公平、简约的方式构建金融税法制度,提出必须立足于金融市场的运行规律和金融创新的特性制定相应的税法规则,税收政策的选择应当在促进金融创新的同时避免金融创新风险的产生等观点,富有学术和实践双重价值。
演化学习利用演化算法求解机器学习中的复杂优化问题, 在实践中取得了许多成功, 但因其缺少坚实的理论基础, 在很长时期内未获得机器学习社区的广泛接受. 本书主要内容为三位作者在这个方向上过去二十年中主要工作的总结. 全书共18 章, 分为四个部分: 第一部分(第1~2 章) 简要介绍演化学习和一些关于理论研究的预备知识; 第二部分(第3~6章) 介绍用于分析运行时间复杂度和逼近能力这两个演化学习的基本理论性质的通用工具; 第三部分(第7~12 章) 介绍演化学习关键因素对算法性能影响的一系列理论结果, 包括交叉算子、解的表示、非精确适应度评估、种群的影响等; 第四部分(第13~18 章) 介绍一系列基于理论结果启发的具有一定理论保障的演化学习算法. 本书适合对演化学习感兴趣的研究人员、学生和实践者阅读. 书中第二部分内容或可为有兴趣进一步探索
本书以TensorFlow1.2为基础,从基本概念、内部实现和实践等方面深入剖析了TensorFlow。书中首先介绍了TensorFlow设计目标、基本架构、环境准备和基础概念,接着重点介绍了以数据流图为核心的机器学习编程框架的设计原则与核心实现,紧接着还将TensorFlow与深度学习相结合,从理论基础和程序实现这两个方面系统介绍了N、GAN和RNN等经典模型,然后深入剖析了TensorFlow运行时核心、通信原理和数据流图计算的原理与实现,很后全面介绍了TensorFlow生态系统的发展。