研究生逃票480次被刑拘,涉嫌诈骗如何量刑?

一名在上海工作的研究生学历工程师杨某,通过一年多的逃票行为,节省了近两万元的路费。他利用短途票躲避检票,频繁往返于上海和无锡之间。最终,杨某因涉嫌诈骗被上海铁路警方刑事拘留。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

15日,恶意逃票的男子杨某被民警抓获。30岁左右的杨某是研究生学历,在上海某公司当工程师。

杨某今年30岁,在上海某家公司当工程师,研究生学历,然而其行为却让人大跌眼镜……

因为他家住江苏无锡,因此他经常乘坐“上海西站至无锡站”区间段列车,然而杨某却用了点“小聪明”,通过一年多的“不懈努力”,“省”下了近两万元的路费。

他是怎么做到的?

上海铁路警方发现,他长期乘坐火车往返无锡和上海,但购买的车票多为上海站至上海西站、无锡站至无锡新区站的短途票。原来他从上海回无锡的时候,会先用上海的短途票刷票上车,中途通过躲厕所逃过检票。下车后,杨某再刷无锡的短途票离站。

经查,杨某从2018年7月至案发,共逃票480余次。事发当天,其用于出站的Z92次车票还是用其岳父的身份证购买的。目前杨某因涉嫌诈骗,被上海铁路警方刑事拘留,该案现在正进一步审理中。

我们在遇到类似事件时,应第一时间寻求律师帮助,寻找有效的解决方式,有什么疑问,可以搜索“微办案法律咨询”小程序,律师会在线帮你解决你遇到的各种法律问题。

个人诈骗罪立案标准是什么?

在这里插入图片描述
诈骗罪,是指以非法占有为目的,用虚构事实或者隐瞒真相的方法,骗取数额较大的公私财物的行为。
  
根据《最高人民法院关于审理诈骗案件具体应用法律的若干问题的解释》
  
(一)、《刑法》第一百五十一条和第一百五十二条的规定,诈骗公私财物数额较大的,构成诈骗罪。  
  
1、个人诈骗公私财物2千元以上的,属于“数额较大”;个人诈骗公私财物3万元以上的,属于“数额巨大”。

个人诈骗公私财物20万元以上的,属于诈骗数额特别巨大。诈骗数额特别巨大是认定诈骗犯罪“情节特别严重”的一个重要内容,但不是唯一情节。

诈骗数额在10万元以上,又具有下列情形之一的,也应认定为“情节特别严重”:

(1)诈骗集团的首要分子或者共同诈骗犯罪中情节严重的主犯;

(2)惯犯或者流窜作案危害严重的;

(3)诈骗法人、其他组织或者个人急需的生产资料,严重影响生产或者造成其他严重损失的;

(4)诈骗救灾、抢险、防汛、优抚、救济、医疗款物,造成严重后果的;

(5)挥霍诈骗的财物,致使诈骗的财物无法返还的;

(6)使用诈骗的财物进行违法犯罪活动的;

(7)曾因诈骗受过刑事处罚的;

(8)导致被害人死亡、精神失常或者其他严重后果的;

(9)具有其他严重情节的。

诈骗2万怎么量刑?

在这里插入图片描述
根据《最高人民法院、最高人民检察院关于办理诈骗刑事案件具体应用法律若干问题的解释》的规定:

诈骗公私财物价值三千元至一万元以上和三万元至十万元以上、五十万元以上的,应当分别认定为刑法第二百六十六条规定的“数额较大”与“数额巨大”、“数额特别巨大”。可见,诈骗2万元属于数额较大。

《刑法》第二百六十六条规定:诈骗公私财物,数额较大的,处三年以下有期徒刑、拘役或者管制,并处或者单处罚金。

有任何法律问题,搜索“微办案法律咨询”小程序,专业律师为你在线答疑。

在这里插入图片描述

NVIDIA深度学习学院(DLI)是一个专注于深度学习、加速计算和人工智能领域的培训与认证平台。通过其丰富的学习资源,学员可以掌握构建、训练和部署神经网络等核心技能。本文将重点介绍NVIDIA DLI深度学习基础课程中的关键知识点,包括深度学习模型的构建、数据预处理等。 模型构建 在代码示例中,使用TensorFlow的Keras模块导入了预训练的VGG16模型作为基础架构。 关键点包括: 使用keras.applications.VGG16加载VGG16模型,其中weights="imagenet"表示使用基于ImageNet数据集的预训练权重;input_shape=(224,224,3)指定了输入图像的尺寸为224×224像素,且为三通道(RGB);include_top=False意味着不包含原始模型的顶层全连接层。 通过base_model.trainable = False冻结基础模型的所有层,确保在后续训练中这些层的权重不会更新。 构建新模型时,创建输入层inputs = keras.Input(shape=(224,224,3)),利用基础模型提取特征x = base_model(inputs, training=False),随后添加全局平均池化层x = keras.layers.GlobalAveragePooling2D()(x),并在最后添加一个具有6个节点的分类层outputs = keras.layers.Dense(6, activation="softmax")(x),适用于多分类任务。 使用model.summary()查看模型的结构细节。 编译模型时,选择交叉熵损失函数loss="categorical_crossentropy"、Adam优化器optimizer="adam"以及准确率metrics=["accuracy"]作为评估指标
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