rnn其实是一种总结状态机

对于给定数据序列{x0, x1, ..., xn-1}，求xn，比较简洁的方法是

将{x0, x1, ..., xn-1}总结为sn-1，再利用sn-1求xn，

同理，对于求xn+1的问题，我们简化偷懒一下：
把sn-1连同xn拿来总结为sn，再由sn求xn+1

于是我们就有了一个新的序列{s0, s1, ..., sn}，每一个si都是xi之前所有历史的总结。每次我们只要拿着si来求xi+1就行了，不费劲。

当然你会发现q(xn|x0, x1, ..., xn-1)很复杂，无法总结为全局一个q(xn|sn-1)，结合上一篇文章，我们可知，不同的x0, x1, ..., xn-1值，可能会指向神经网络不同地方，得出完全不同的sn-1，然后每一个领域的s(n-1)与xn的映射关系各自管理。

所以rnn需要升级为“领域”总结状态机。