https://www.quora.com/Why-do-we-use-an-RNN-instead-of-a-simple-neural-network

用 RNN (循环神经网络) 可以解决一些简单神经网络无法解决的问题。这是因为 RNN 有记忆功能，它可以通过保存之前网络的状态来影响当前的输出。

具体来说，RNN 通常被用来处理序列数据，比如文本、语音和时序数据。在处理序列数据时，我们希望网络能够利用上下文信息来进行预测。比如，在处理自然语言文本时，前面出现的单词可能会影响后面单词的意义。RNN 可以通过保存历史信息来解决这个问题。

简单的神经网络没有记忆功能，所以在处理序列数据时不太实用。虽然也可以使用简单的神经网络处理序列数据，但是要使用更加复杂的方法，比如将序列数据转化为固定长度的向量，然后使用简单的神经网络进行处理。但这样做会丢