神经网络训练非常缓慢（R）

Question

我试图在candidatesTestData 20177 x 14矩阵上训练神经网络，同时尝试按照此处列出的步骤进行训练：this answer 我试图避免过度拟合训练数据。这是我到目前为止所尝试的：

returnNet <- NULL
currMax <- 40
for(i in 1:10) {
  validationData <- sample_n(candidatesTrainingData, 20)
  trainingData <- setdiff(candidatesTrainingData, validationData)
  temp <- nnet(yield ~ ., data=trainingData, size = 6, linout=TRUE, skip=TRUE, MaxNWts = 10000)
  validationPrediction <- predict(temp, validationData[1:length(names(validationData))-1])
  errorVector <- abs(validationData$yield - validationPrediction)
  if ( min(errorVector, na.rm=TRUE) < 5 & mean(errorVector, na.rm=TRUE) < currMax ) {
    currMax <- mean(errorVector, na.rm=TRUE)
    returnNet <- temp
  }
}
return(returnNet)

在10分钟内完成了第一个神经网络的60次迭代。有没有什么方法可以加快，即改善算法运行时间？