神经元学习是神经元网络更复杂学习的基础。 简历是用于加标神经元的最受欢迎的监督学习算法之一。 它对应于Widrow-Hoff规则，其权重调整是基于基于尖峰的Hebbian进程得出的。 尽管它取得了很大的成功，但是当所需的输出尖峰序列变长时，学习精度会Swift下降。 本文分析了与简历学习趋同有关的两个重要因素。 在此基础上，我们提出了两种方法来提高简历的有效性。 实验结果表明，两种改进算法均可以达到较好的性能。