我试图了解SIMPLERNN中涉及的矩阵计算。
我从一些博客文章和stackoverflow中了解到，SimpleRNN（units）创建了一个层，其中每一层中均包含无数量的RNN单元。 SimpleRNN涉及以下计算
W =内核＃shape-（1，units）
U = recurrent_kernel＃shape-（单位，单位）
B =偏向#shape-（单位，）
output = new_state = act（W *输入+ U *状态+ B）
帮助我了解以下以下代码段的输入和输出尺寸。
用于生成X和Y的函数。其中Y是X的累加和。
'def generate_batch（n = 256）：
X = np.random.choice(a=[0, 1], size = n*seq_len, p=[0.9, 0.1]).reshape(n, -1)
y = np.cumsum(X, axis=1)
X = X.reshape(n, -1, 1)
y = y.reshape(n, -1, 1)
return(X, y) #returns shape X,y-(256,60,1)
model = Sequential（）
model.add（SimpleRNN（10，input_shape =（60，1），return_sequences = True））
model.add（Dense（1））
model.compile（loss ='mse'，optimizer ='adam'）
X，y = generate_batch（）＃（256,60,1）
model.fit（X，y，verbose = 0，epochs = 1）'
请帮我弄清楚RNN的输入维，状态和RNN的输出维，矩阵计算是如何发生的，即（W *输入+ U *状态+ B）。