我想模拟以下内容：
y(t)=F(x(t-1),x(t-2),...x(tk))
或者说一个函数，其当前输出取决于最后 k 个输入。
1-我知道一种方法是建立一个经典的神经网络，每个y(t) 的k 个输入为{x(t-1),x(t-2),...x(tk)}并对其进行训练。那么使用 RNN 来解决这个问题有什么好处呢？
2-假设使用 RNN，我应该只使用 x(t) （或 x(t-1)）并假设隐藏层可以通过输入找到 y(t) 与过去 k 个输入的关系它的内存（隐藏层）？
3-考虑到我们想要根据最后 k 个输入来估计输出，使用像 Deep RNN 或 LSTM 这样的深度网络对于此类问题有什么优越的好处吗？