Zwei Eingabeknoten wurden mit einer aus drei Ausgabeknoten bestehenden WTA-Einheit `vorwärtsverbunden'. Die Ausgabeknoten waren untereinander bidirektional vollständig vernetzt. Die Aufgabe war es, den ersten und den zweiten Ausgabeknoten in alternierender Weise an- bzw. auszuschalten, solange der erste Eingabeknoten aktiv war. Der zweite Eingabeknoten diente der Wahrnehmung eines Stopsignals: Seine Aktivation mußte mit einer stationären Ausgabe des dritten Ausgabeknotens beantwortet werden.
Die Lehrmethode für dieses Problem demonstriert, wie
ohne nennenswerten Aufwand ein
`Lehrerzwang' (teacher forcing, ein im Zusammenhang mit
einem ganz anderen überwachten Lernalgorithmus von
Williams und Zipser geprägter Begriff [80])
eingeführt weden kann: Statt
die tatsächlichen Aktivationen der Ausgabeknoten zur Zeit 
zur Berechnung der Ausgaben zur Zeit 
heranzuziehen, verwendet
man einfach die gewünschten Aktivationen zur Zeit .
Während das rekurrente Netzwerk ohne Vorgabe irgendwelcher Trainingsintervallgrenzen `vor sich hintickte', wurden die binären Eingabeaktivationen zu jedem Zeitpunkt zufällig gewählt. Zu einem gegebenen Zeitpunkt war genau ein Eingabeknoten aktiv. Dabei war die Wahrscheinlichkeit der Aktivierung des ersten Eingabeknotens gleich 75 Prozent, die Wahrscheinlichkeit der Aktivierung des zweiten Eingabeknotens betrug also 25 Prozent. Gewichtssubstanz wurde immer dann vergeben, wenn die `richtige' Ausgabeeinheit angeschaltet war. Innerhalb von meist weniger als 30 Zeitschritten fand das Netzwerk eine zufriedenstellende stabile Lösung seiner Aufgabe. Gerade wie bei Williams' und Zipsers Experimenten mit einem ganz ähnlichen Problem (und einem nicht lokalen Algorithmus) konnte die Aufgabe ohne Lehrerzwang nicht immer gelernt werden.