导入必要的库
```python
from keras.models import Sequential
from keras.layers import SimpleRNN, Dense
```
创建模型
```python
model = Sequential（）
```
添加RNN层
```python
model.add（SimpleRNN（32, input_shape=（10, 50））） 输入形状为 （时间步长， 特征数）
```
添加输出层
```python
model.add（Dense（1, activation='sigmoid'）） 输出层
```
编译模型
```python
model.compile（optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']）
```
查看模型结构
```python
model.summary（）
```
这个例子展示了如何使用Keras创建一个简单的RNN模型，包括模型的创建、添加层、编译和查看模型结构。你可以根据具体的应用场景调整输入形状、神经元数量和激活函数等参数。