Math tf.keras.layer.RNN中的参数数

我正在处理TensorFlow.Keras（TensorFlow v2）中RNN的一个简单示例。我正在运行这个代码

从tensorflow.keras.layers导入SimpleRN
#初始化RNN
模型=顺序（）
#添加第一个RNN层
添加（SimpleRN（单位=10，激活=tanh'，返回序列=True，
输入_形状=（1，1）））
#这里有更多的层。。。
#合身
compile（优化器='adam'，loss='mean_squared_error'）
model.fit（x_序列，y_序列，历代=100，批量大小=8，详细=verbose）
#与
x_火车形状
#返回（137,3,1）
y_train.shape
#返回（137，）
model.summary（）
#模型：“顺序”
#图层（类型）输出形状参数
=================================================================
#简单的（简单的）（无，1，10）120
# ... 其他层

我的问题是，这里如何计算参数120的数量

我得到，如果我使用10个单位（神经元），我会得到前一个周期的10×10的隐层权重矩阵和10×1的偏差单位向量，但是我不知道剩余的10个参数是如何链接到大小为3×1的输入向量的

请注意，这是一个简单的示例，因此我可以了解它正在做什么。我的问题是TensorFlow实现似乎没有遵循我在这方面检查过的任何教科书（TensorFlow文档没有使用任何数学公式）