我在R中的时间序列上拟合了一个递归神经网络。我看到许多包如neuralnet，nnet和RSNNS可用于将网络拟合到给定的数据。 RSNNS特别用于拟合递归神经网络。我已将此包与命令elman和jordan一起使用。
我有109个巨大的输入。之后我会有更多的输入，这将使网络更加复杂，自然需要更多的时间来训练它。 命令就像这样
fit <- elman(nntrain[,2:110], nntrain[,1], size = c(20),
learnFuncParams = c(0.01), maxit =1000)
使用上述命令训练网络大约需要15分钟。我也尝试过使用neuralnet命令，但这也需要很长的时间。
nn <- nnet(f, data = nntrain, size = 20, linout = TRUE, maxit = 1000, decay = 0.01)
命令nnet需要相对较短的时间来训练网络，但它无法容纳更多的权重，并且显示出类似的错误
nnet.default（x，y，w，...）出错：太多（2221）权重
我听说如果我们有相当多的投入，反复神经网络最好训练时间序列。 R中是否还有其他命令/包用于在相对较短的时间内训练递归神经网络，除了我提到的那些命令之外，还可以容纳更多输入以及更多隐藏节点？ 提前谢谢。