企业会计准则(具体准则)第4号——固定资产

企业会计准则第4号——固定资产(2006)

第一章 总则

 

第一条为了规范固定资产的确认、计量和相关信息的披露,根据《企业会计准则——基本准则》,制定本准则。

 

第二条 下列各项适用其他相关会计准则:

(一)作为投资性房地产的建筑物,适用《企业会计准则第3号——投资性房地产》。

(二)生产性生物资产,适用《企业会计准则第5号——生物资产》。

 

第二章 确认

 

第三条 固定资产,是指同时具有下列特征的有形资产

(一)为生产商品、提供劳务、出租或经营管理而持有的;

(二)使用寿命超过一个会计年度。

 

使用寿命,是指企业使用固定资产的预计期间,或者该固定资产所能生产产品或提供劳务的数量。

 

第四条 固定资产同时满足下列条件的,才能予以确认:

(一)与该固定资产有关的经济利益很可能流入企业;

(二)该固定资产的成本能够可靠地计量。

 

第五条固定资产的各组成部分具有不同使用寿命或者以不同方式为企业提供经济利益,适用不同折旧率或折旧方法的,应当分别将各组成部分确认为单项固定资产。

 

第六条与固定资产有关的后续支出,符合本准则第四条规定的确认条件的,应当计入固定资产成本;不符合本准则第四条规定的确认条件的,应当在发生时计入当期损益。

 

第三章 初始计量

 

第七条 固定资产应当按照成本进行初始计量。

 

第八条外购固定资产的成本,包括购买价款、相关税费、使固定资产达到预定可使用状态前所发生的可归属于该项资产的运输费、装卸费、安装费和专业人员服务费等。

 

以一笔款项购入多项没有单独标价的固定资产,应当按照各项固定资产公允价值比例对总成本进行分配,分别确定各项固定资产的成本。

 

购买固定资产的价款超过正常信用条件延期支付,实质上具有融资性质的,固定资产的成本以购买价款的现值为基础确定。实际支付的价款与购买价款的现值之间的差额,除按照《企业会计准则第17号——借款费用》应予资本化的以外,应当在信用期间内计入当期损益。

 

第九条自行建造固定资产的成本,由建造该项资产达到预定可使用状态前所发生的必要支出构成。

 

第十条应计入固定资产成本的借款费用,按照《企业会计准则第17号——借款费用》处理。

 

第十一条投资者投入固定资产的成本,应当按照投资合同或协议约定的价值确定,但合同或协议约定价值不公允的除外。

 

第十二条非货币性资产交换、债务重组、企业合并和融资租赁取得的固定资产的成本,应当分别按照《企业会计准则第7号——非货币性资产交换》、《企业会计准则第12号——债务重组》、《企业会计准则第20号——企业合并》和《企业会计准则第21号——租赁》确定。

 

第十三条 确定固定资产成本时,应当考虑预计弃置费用因素。

 

第四章 后续计量

 

第十四条 企业应当对所有固定资产计提折旧。但是,已提足折旧仍继续使用的固定资产和单独计价入账的土地除外。

 

折旧,是指在固定资产使用寿命内,按照确定的方法对应计折旧额进行系统分摊。

 

应计折旧额,是指应当计提折旧的固定资产的原价扣除其预计净残值后的金额。已计提减值准备的固定资产,还应当扣除已计提的固定资产减值准备累计金额。

 

预计净残值,是指假定固定资产预计使用寿命已满并处于使用寿命终了时的预期状态,企业目前从该项资产处置中获得的扣除预计处置费用后的金额。

 

第十五条企业应当根据固定资产的性质和使用情况,合理确定固定资产的使用寿命和预计净残值。

固定资产的使用寿命、预计净残值一经确定,不得随意变更。但是,符合本准则第十九条规定的除外。

 

第十六条 企业确定固定资产使用寿命,应当考虑下列因素:

(一)预计生产能力或实物产量;

(二)预计有形损耗和无形损耗;

(三)法律或者类似规定对资产使用的限制。

 

第十七条企业应当根据与固定资产有关的经济利益的预期实现方式,合理选择固定资产折旧方法。

可选用的折旧方法包括年限平均法、工作量法、双倍余额递减法和年数总和法等。

固定资产的折旧方法一经确定,不得随意变更。但是,符合本准则第十九条规定的除外。

 

第十八条固定资产应当按月计提折旧,并根据用途计入相关资产的成本或者当期损益。

 

第十九条企业至少应当于每年年度终了,对固定资产的使用寿命、预计净残值和折旧方法进行复核。

使用寿命预计数与原先估计数有差异的,应当调整固定资产使用寿命。

预计净残值预计数与原先估计数有差异的,应当调整预计净残值。

与固定资产有关的经济利益预期实现方式有重大改变的,应当改变固定资产折旧方法。

固定资产使用寿命、预计净残值和折旧方法的改变应当作为会计估计变更。

 

第二十条固定资产的减值,应当按照《企业会计准则第8号——资产减值》处理。

 

第五章 处置

 

第二十一条 固定资产满足下列条件之一的,应当予以终止确认:

(一)该固定资产处于处置状态。

(二)该固定资产预期通过使用或处置不能产生经济利益。

 

第二十二条企业持有待售的固定资产,应当对其预计净残值进行调整。

 

第二十三条企业出售、转让、报废固定资产或发生固定资产毁损,应当将处置收入扣除账面价值和相关税费后的金额计入当期损益。固定资产的账面价值是固定资产成本扣减累计折旧和累计减值准备后的金额。

固定资产盘亏造成的损失,应当计入当期损益。

 

第二十四条企业根据本准则第六条的规定,将发生的固定资产后续支出计入固定资产成本的,应当终止确认被替换部分的账面价值。

 

第六章 披露

第二十五条 企业应当在附注中披露与固定资产有关的下列信息:

(一)固定资产的确认条件、分类、计量基础和折旧方法。

(二)各类固定资产的使用寿命、预计净残值和折旧率。

(三)各类固定资产的期初和期末原价、累计折旧额及固定资产减值准备累计金额。

(四)当期确认的折旧费用。

(五)对固定资产所有权的限制及其金额和用于担保的固定资产账面价值。

(六)准备处置的固定资产名称、账面价值、公允价值、预计处置费用和预计处置时间等。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值