能否提供一个用Python实现RNN（循环神经网络）模型的详细示例代码？

当然可以，这里是一个简单的Python代码示例，使用Keras库来创建一个基本的LSTM（长短时记忆）循环神经网络模型：

# 导入所需的库
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, LSTM

# 假设我们有一个简单的时间序列数据集，每个样本由5个特征构成，我们需要预测下一个值
data = np.random.rand(1000, 5)  # 1000个样本，每样本5个特征
timesteps = 5  # 每个样本有5个时间步
output_dim = 1  # 预测的输出维度（这里假设是单个连续值）

# 将数据分为输入和输出
X, y = data[:, :-1], data[:, -1]  # X是输入序列，y是目标值

# 定义模型
model = Sequential()
model.add(LSTM(units=64, input_shape=(timesteps, output_dim)))  # 添加一个LSTM层
model.add(Dense(output_dim))  # 输出层，用于回归预测

# 编译模型
model.compile(loss='mean_squared_error', optimizer='adam')

# 训练模型
model.fit(X, y, epochs=100, batch_size=32)

# 示例如何预测
test_data = np.random.rand(1, timesteps, output_dim)
predicted_value = model.predict(test_data)[0][0]