【摘 要】
：
我国“因继承发生有限责任公司股权变动”规则见于《公司法》第75条,但该条规定过于简略,并未明确回答继承主体范围、继承客体、股权继承模式、股权继承变动时点等内容。对于继承主体范围而言,股权继承主体应包括法定继承人、遗嘱继承人和受遗赠人。对于继承客体而言,理论上存在“继承出资说”、“继承股东资格说”、“继承自益权说”、“继承股权说”四种观点。其中,“继承股权说”较为科学,应当认可股权作为继承客体的正当
论文部分内容阅读
我国“因继承发生有限责任公司股权变动”规则见于《公司法》第75条,但该条规定过于简略,并未明确回答继承主体范围、继承客体、股权继承模式、股权继承变动时点等内容。对于继承主体范围而言,股权继承主体应包括法定继承人、遗嘱继承人和受遗赠人。对于继承客体而言,理论上存在“继承出资说”、“继承股东资格说”、“继承自益权说”、“继承股权说”四种观点。其中,“继承股权说”较为科学,应当认可股权作为继承客体的正当性,有限责任公司股东去世后,继承人可继承其所遗留的股权。关于股权继承模式,存在“同意模式”、“优先购买权模式”、“当然继承模式”三种立法模式。其中,“当然继承模式”较为科学,有限责任公司股东死亡后,继承人当然继承其生前所持有的股权。对于股权继承变动时点而言,在法定继承和遗嘱继承情形下,股权变动时点是被继承人死亡之时。在遗赠情形下,股权变动时点是股东名册变更完成之时。为了保障有限责任公司的人合性,公司章程可对股权继承施加限制措施,如规定股权继承适用优先购买权。在此情形下,关于股权购买价格,首先应按公司章程规定的方式计算;若公司章程未规定的,应采取“盈余资本额法”确定。除此之外,公司章程也可规定“限制继承人的范围”、“解散公司”、“回收股权”等限制措施。
其他文献
场景图生成任务是一项新兴的计算机视觉任务,生成图像内容的结构化表示,缩短图像处理和理解间的语义差距,具有广泛的应用前景。针对VG（Visual Genome）数据集失衡问题,论文从知识图谱（ConceptNet）中分别引入类别相关、局部结构和全局结构的外部信息提高生成场景图的质量。主要工作内容如下:（1）针对类别相关语义信息不足的场景图偏置问题,提出了外部信息引导和残差置乱的生成方法。该方法引入与
图像超分辨率重建目的是提高图像空间分辨率、改善视觉效果,具体包括一般重建技术和插值技术。现有算法可分为基于图像自身信息的算法和基于外部数据的学习算法,后者能够从外界获得先验信息,从而生成高质量的图像。本文围绕“混合模型”和“随机森林”两种学习类算法开展研究,并提出重建效果更佳的算法。图像中一般都会存在大量相似的局部结构。基于这一事实,学习类的重建算法将配对的高、低分辨率图像块作为输入,按照“先聚类
隐式篇章关系识别任务旨在根据句法信息、语义信息和上下文信息等线索推理论元对之间的篇章关系。该任务因缺乏显式连接词等直接推理线索,需依赖论元充分的语义表示帮助推理,是自然语言处理领域中一项基础且颇具挑战的任务。本文为挖掘论元更丰富的语义表示,基于宾州篇章树库v2.0,提出了基于多粒度和交互敏感的隐式篇章关系识别研究,主要包括三个部分:第一部分是短语级表示学习方法。短语信息因为天然的语义内聚性,是识别
预训练模型的出现将自然语言处理带入了一个新的时代。对多种自然语言处理任务,借助预训练模型取得的性能已经远超过传统的方法。然而,目前预训练模型的可解释性较差,对句子语义的捕获能力还有待进一步分析。AMR（Abstract Meaning Representation,抽象语义表示）是一种基于图结构的语义表示方法,能够提供句子级别精准的语义表示。AMR与预训练模型作为有机整体相辅相成。一方面,借助AM
近年来,随着计算机技术的发展和人工智能的兴盛,人们对于计算机视觉的研究也进一步深入,在工业、军事、交通等领域都取得了长足进展,其中以医学领域的技术革新最为引人注目。肋骨骨折作为一种常见骨科疾病,主要通过相关医疗设备对患者胸腔肋骨的医学图像进行采集,最后由医生根据影像进行诊断。在借助机器学习、深度学习方法后,医疗设备可以提取肋骨骨折图像的特征并在此基础上实现初步判断。作为现代医疗辅助技术的重要工具,
＜正＞《习近平著作选读》第一卷、第二卷出版座谈会5月22日在京召开，中共中央政治局常委、中央书记处书记蔡奇出席会议并讲话。他表示，编辑出版《习近平著作选读》是党中央作出的重大决定，是党和国家政治生活中的一件大事，要把学习选读作为坚持用习近平新时代中国特色社会主义思想凝心铸魂的重大政治任务，推动把学习宣传贯彻习近平新时代中国特色社会主义思想和党的二十大精神引向深入，引导广大党员干部更加深刻领悟“两个
随着我国经济的迅猛发展,城市内车辆数量急剧增加。私家车在给人们带来出行便利的同时也不可避免的带来了一些问题,其中最为严重的便是交通拥堵。部署在城市路口的信号灯能够直接影响交通流的行驶趋势,因此优化城市信号灯控制模型是缓解拥堵最有效的方法之一。信号灯控制策略优化从本质上来讲是序列决策优化的问题,由于强化学习能够在与环境的交互中优化决策,因此将强化学习应用于信号灯控制领域具有非常可观的前景。针对上述分
强化学习是通过与环境交互来实现给定目标的学习范式,有强大的决策能力。近年来,凭借深度学习强大的表征能力和日益增长的计算能力,深度强化学习在许多领域取得了重大突破,展现出了巨大的应用潜力。基于最大熵强化学习框架,柔性行动者-评论家算法（Soft Actor-Critic,SAC）较好地平衡了探索和利用,在连续动作控制领域上实现了稳定性和最终性能的统一。基于SAC,本文提出了应用于深度强化学习的近期加
多回合对话回应选择是自然语言处理领域的一个热门方向,旨在最大限度地模仿人与人之间的对话方式,使得人类能够用更自然的方式与机器进行交流。准确、无歧义的人机对话能够最大限度降低机器的使用门槛,方便人们生活。多回合对话回应选择任务主要包含三个步骤:文本潜在语义信息的挖掘和整合、对话上文与备选回应交互信息的挖掘和整合以及结果的预测。而已有的研究存在以下问题:对话上文信息与备选回应间的关联关系未充分利用、对
深度强化学习将深度学习与强化学习相结合,成功地在一些复杂且需要高维度感知的决策任务中获得了突破性的成果。深度强化学习方法中一个很重要的问题就是探索与利用的平衡。基于熵的异策略深度强化学习方法在兼顾样本利用率的同时也最大化了策略的探索程度,取得了非常优秀的学习效果。熵的引入使得基于熵的异策略深度强化学习方法在一定程度上解决了探索的问题,可以在更短的时间里学习到更优秀的模型。为了进一步提高当前流行的基