연구진이 생물학적 제약(Dale 원리)을 준수하는 이중 스트림 네트워크에서 오류 확산(ED) 학습 방법을 제시했어요. MNIST에서 96.7%의 정확도를 달성하고 CIFAR-10에서 61.7%의 성능을 보이며, 엄격한 Dale 원리 하에서 표현 학습이 가능하다는 것을 입증했어요. MNIST와 CIFAR-10에서 중요도가 달라지는 작업 의존적 신용 할당 병목 현상을 발견했으며, 강화 학습 환경에서도 기존 방법과 경쟁력 있는 성능을 보여줬어요.