画出循环神经网络的逻辑结构图。包括循环神经网络的基本结构以及循环神经网络按时间步展开的逻辑结构图。

循环神经网络（Recurrent Neural Network，简称RNN）是一种具有记忆功能的神经网络，它的主要特点是在处理序列数据时能够考虑前面的信息。循环神经网络的基本结构包括输入层、隐藏层和输出层。其中隐藏层中的神经元具有自连接，使得神经网络能够存储之前的信息，并将其传递到下一个时间步。

循环神经网络按时间步展开的逻辑结构图如下所示：

在上图中，$x_t$ 表示在时间步 $t$ 的输入，$h_t$ 表示在时间步 $t$ 的隐藏状态，$y_t$ 表示在时间步 $t$ 的输出。在每个时间步中，输入 $x_t$ 和隐藏状态 $h_{t-1}$ 会作为参数输入到循环神经网络中，并计算当前时间步的隐藏状态 $h_t$ 和输出 $y_t$。其中，隐藏状态 $h_t$ 会被传递到下一个时间步，并在下一个时间步中被用作输入。