연구진은 뇌가 고차원 감각 입력을 어떻게 추상적으로 표현하는지 밝히기 위해 Random Hierarchy Model(RHM)을 활용했어요. 직접 피드백 신호나 계층별 자기 지도 학습 규칙을 통해 신경망 학습 과정을 분석했죠.
첫 번째 유형의 학습 규칙은 RHM 과제의 해결에 실패했는데, 이는 역전파에 필수적인 입력별 비선형성 때문인 것으로 나타났어요.
두 번째 유형의 학습 규칙은 RHM 과제의 계층적 구조를 학습하며, 지도 학습만큼 효율적이고, 피질의 기존 시냅스 가소성 규칙과 호환돼요.