R 如何快速训练递归神经网络？

我在R中的时间序列上拟合一个递归神经网络。我看到许多包，如

neuralnet

，

nnet

，和

RSNNS

，可用于将网络拟合到给定数据

RSNNS

特别用于拟合递归神经网络。我已将此软件包与命令

elman

和

jordan

一起使用

我有109个巨大的输入。之后我将有更多的投入，这将使网络更加复杂，自然需要更多的时间来训练它。 命令是这样的

fit <- elman(nntrain[,2:110], nntrain[,1], size = c(20),
        learnFuncParams = c(0.01), maxit =1000)

命令

nnet

对网络进行训练所需时间相对较短，但它不能适应更多的权重，并且显示出类似这样的错误

fit <- elman(nntrain[,2:110], nntrain[,1], size = c(20),
        learnFuncParams = c(0.01), maxit =1000)

nnet中出错。默认值（x，y，w，…）：权重过多（2221）

我听说，如果我们有大量的输入，递归神经网络最适合训练时间序列。 在R中是否有其他命令/包可以在相对较少的时间内训练递归神经网络，并且除了我提到的那些命令之外，还可以容纳更多的输入和更多的隐藏节点？

---

提前谢谢。

也请查看rnn套餐！