消费税率
税种 增值税 增值税是价外税, 税率为 13%(增值税法第十条第一款), 应纳税额为当期销项税额(销售额 × 税率)抵扣当期进项税额后的余额 附加税 附加税是增值税的附属税, 属于价内税, 税率为增值税的 12%, 包括城市维护建设税 7%(城市维护建设税法第四条), 教育费附加 3%(征收教育费附加的暂行规定), 地方教育附加 2%(财政部关于统一地方教育附加政策有关问题的通知)....
税种 增值税 增值税是价外税, 税率为 13%(增值税法第十条第一款), 应纳税额为当期销项税额(销售额 × 税率)抵扣当期进项税额后的余额 附加税 附加税是增值税的附属税, 属于价内税, 税率为增值税的 12%, 包括城市维护建设税 7%(城市维护建设税法第四条), 教育费附加 3%(征收教育费附加的暂行规定), 地方教育附加 2%(财政部关于统一地方教育附加政策有关问题的通知)....
丢鸡蛋 有 N 层楼, 有 2 个鸡蛋, 问最坏情况下最少需要多少次扔鸡蛋, 才能确定鸡蛋不会摔碎的最高楼层? 假设 N=100. 解答 动态规划 设 dp[i][j] 表示在 i 层楼和 j 个鸡蛋的情况下,最坏情况下最少需要的扔鸡蛋次数。则状态转移方程为: [dp[i][j] = \min_{1 \leq x \leq i} {1 + \max(dp[x-1][j-1], dp[...
KMP 算法 KMP 算法是一种用于在一个主文本字符串 $S$ 中查找一个模式字符串 $P$ 的子串的算法. KMP 算法的时间复杂度是 $O(\textrm{len}(S)+\textrm{len}(P))$. KMP 算法的核心是构建一个部分匹配表, 用于在匹配失败时, 快速移动模式字符串. KMP 算法的部分匹配表(kmp_table)是一个数组, 数组的第 $i$ 个元素表示 P[...
左右开闭 参考 开闭与 while 的条件和 left 与 right 的转移有关. 当左右都闭, 取值范围即为 [left, right], 因此 while 即使在 left == right 时也可以继续执行; 但是在左开右闭时, 取值范围为 [left, right), 因此 while 在 left == right 时就应该停止. 闭的一侧, while 循环后始终保持闭...
原文链接 C++ 变量判定的螺旋法则 C++ 中一个标识符配合着各种修饰界定符,使得标识符的本意不那么直观一眼就能看出,甚至需要仔细分析,才能知道该标识符的具体你含义。 比如: void (*signal(int, void (*fp)(int)))(int); 其中 signal 是什么? 螺旋法则 对于如何进行变量的辩识,有个非官方的 “顺时针/螺旋法则(Clockwis...
原文链接 之前在学习 CNN 的时候,有对卷积进行一些学习和整理,后来就烂尾了,现在稍微整理下,先放上来,以提醒和交流。 一、线性滤波与卷积的基本概念 线性滤波可以说是图像处理最基本的方法,它可以允许我们对图像进行处理,产生很多不同的效果。做法很简单。首先,我们有一个二维的滤波器矩阵(有个高大上的名字叫卷积核)和一个要处理的二维图像。然后,对于图像的每一个像素点,计算它的邻域像素和滤波器矩...
origin post 最近遇到一个问题,如何读取仪表中的指针指向的刻度 解决方法有多种,比如 方案一:模板匹配 + 边缘检测 + 霍夫直线检测 方案二:神将网络(CNN)目标定位等 方案三: 模板匹配 + K-means + 直线拟合 其中 CNN 就有点麻烦了,需要一定数量的训练样本,太麻烦,而方案一太普通,最后我采用了方案三 具体做法如下: 首先说一下模板匹...
original article Here’s something that might surprise you: neural networks aren’t that complicated! The term “neural network” gets used as a buzzword a lot, but in reality they’re often much simpl...
原文链接 图a (1) 原始图片 (2) 使用高斯低通滤波器 (3) 使用高斯高通滤波器 本文中的原始图像来自 OpenCV Github 示例。 数字图像现在已经成为我们日常生活的一部分。因此,数字图像处理变得越来越重要。如何提高图像的分辨率或降低图像的噪声一直是人们热门话题。傅里叶变换可以帮助我们解决这个问题。我们可以使用傅立叶变换将灰度像素模式的图像信息转换成频域并做进一步的处理...
概率导论 Introduction to Probability, 2E, Bertsekas 样本空间与概率 1. 概率模型 sample space 所有可能结果的集合 $\Omega$ probability law 为每个结果确定一个概率 $P(A)$ , 每个结果需要 mutually exclusive 2. 概率公理 axioms 非负性 $P(A)≥0...