تم دراسة الطرق غير المحلية التي تستغل تشابه الذات للإشارات الطبيعية بشكل جيد، على سبيل المثال في تحليل الصور وإعادة بنائها. ومع ذلك، تعتمد النهج الحالية على مطابقة أقرب k جيران (KNN) في فضاء خصائص ثابت. العقبة الرئيسية في تحسين هذا الفضاء الخصائص بالنسبة لأداء التطبيق هي عدم قابلية KNN للاشتقاق. لتجاوز هذه المشكلة، نقترح استرخاء مستمر وحتمي لمطابقة KNN يحافظ على القابلية للاشتقاق بالنسبة للمسافات الثنائية، مع الاحتفاظ بـ KNN الأصلي كحد لمعلمة درجة الحرارة عند اقترابها من الصفر. لاستغلال استرخاءنا، نقترح كتلة الجيران الأقرب العصبية (N3 block)، وهي طبقة معالجة غير محلية جديدة تستفيد من مبدأ تشابه الذات ويمكن استخدامها كوحدة بنائية في هياكل الشبكات العصبية الحديثة. نوضح فعاليتها في مهمة التفكير بالمجموعة الخاصة بتصنيف التوافق وكذلك في إعادة بناء الصور، بما في ذلك إزالة الضوضاء من الصور والترميز الفائق للصور الفردية، حيث نتفوق على أساسيات الشبكات العصبية التلافيفية (CNN) القوية وأحدث النماذج غير المحلية التي تعتمد على مطابقة KNN في فضاءات الخصائص المختارة باليد.