Rozmyta mapa kognitywna (ang. Fuzzy Cognitive Map, FCM) i wywodzące się od niej modele mają ugruntowaną pozycję w dziedzinie uczenia maszynowego. Jednym z rozszerzeń modelu FCM jest niedawno wprowadzony model r-LTCN (ang. Recurrence-aware Long-term Cognitive Network). Został on zaprojektowany do zadania regresji wielokryterialnej. Jest to płytka rekurencyjna sieć neuronowa, w której wszystkie neurony odpowiadające kolejnym punktom w czasie są połączone z warstwą decyzyjną. r-LTCN wykorzystuje specjalną regułę wnioskującą. W odróżnieniu do sposobu działania prostego modelu FCM, reguła w modelu r-LTCN pozwala uniknąć problemów związanych ze zbieżnością algorytmu. Opublikowany artykuł przedstawia zmodyfikowany algorytm uczenia oparty o wsteczną propagację błędu w czasie (ang. backpropagation through time, BPTT). Jest on przeznaczony do trenowania modeli r-LTCN do zadań regresji wielokryterialnej.