学习模型通常关注突触可塑性。然而，学习是突触和髓鞘可塑性的结果。具体来说，突触变化通常与髓磷脂变化同时发生并相互作用，导致这些过程之间的复杂动态相互作用。在这里，我们研究了这些相互作用对Kuramoto振荡器系统耦合行为的影响。为此，我们构建了一个完全连接的一维环形相位振荡器网络，其耦合强度（反映突触强度）和传导速度（反映髓鞘形成）均由希伯来学习规则调节。我们根据结构（两两连接强度和传导速度）和功能连接（局部和全局同步行为）来评估系统的行为。我们发现自适应髓鞘化既能在功能上解耦结构连接的振荡器，也能在功能上将结构断开的振荡器耦合。关于后者，我们发现，对于一个仅限于突触可塑性的系统在结构和功能上形成两个不同簇的情况，额外的适应性髓鞘化允许跨这些结构簇进行功能性通信。这些结果证实，当除突触可塑性外还考虑髓磷脂可塑性时，学习后的网络状态可能不同，这表明在学习的计算模型中整合这两个因素的相关性。
