该研究比较了深度人工神经网络中的反向传播学习算法与大脑神经元突触可塑性规律的类比，发现通过加强权重符号一致性的反馈对准法的修改可以实现相当的性能，表明前向和反向权重对准对深度网络的学习至关重要。

本文提出了一种优化深度网络学习机制的方法，通过引入本地误差和随机辅助分类器来解决反向传播算法中的反应延迟和与生物神经网络学习机制的矛盾。实验证明该方法优于反馈对齐学习技术，并强调了其潜在的生物学机制和在定制硬件上的应用前景。