该研究比较了反向传播算法与新提出的前向学习算法，结果显示前向算法在神经网络训练中更具生物合理性和鲁棒性。实验表明，前向算法能够有效组织神经网络内部表示，减少训练时间和资源消耗，展现出优于传统方法的潜力。

该研究比较了反向传播算法和前向-前向算法，提出了一种新的前向学习算法ForwardGNN，专为图数据设计，克服了传统算法的局限性。实验结果显示，该算法在MNIST数据集上实现了高分类准确率，并在分布式环境中提高了训练效率，展现出良好的应用潜力。