rnn 拼接矩阵乘法

RNN（Recurrent Neural Network，循环神经网络）可以通过拼接矩阵乘法的方式来实现输入和隐藏状态之间的计算。简单来说，就是将输入向量和上一时刻的隐藏状态向量进行拼接，然后利用权重矩阵进行乘法运算，得到当前时刻的隐藏状态向量。

具体而言，假设当前时刻为 $t$，输入向量为 $x_t$，上一时刻的隐藏状态为 $h_{t-1}$，权重矩阵为 $W$，则当前时刻的隐藏状态可以通过以下方式计算：

$$h_t = \tanh([x_t; h_{t-1}]W)$$

其中 $[x_t; h_{t-1}]$ 表示将 $x_t$ 和 $h_{t-1}$ 这两个向量进行拼接，并将它们作为一个新的向量输入到神经网络中。