بالإضافة إلى الشبكات المحلية المُتعددة التوسيع، نستكشف كيفية استغلال مختلف مصادر المعرفة البشرية الخارجية لتمكين الشبكات من القدرة على التفكير الشامل معنىً. بدلًا من استخدام نماذج رسومية منفصلة (مثل نموذج التوافق الاحتمالي - CRF) أو قيود لتمثيل الاعتماديات الواسعة النطاق، نقترح طبقة جديدة تُسمى التفكير الرسومي الرمزي (SGR)، والتي تقوم بعملية استنتاج على مجموعة من العقد الرمزية، حيث تمثل مخرجات هذه العقد بشكل صريح خصائص مختلفة لكل مفهوم في رسم معرفي مسبق. لتعمل بالتآزر مع التوسيع المحلي، تتكون كل طبقة SGR من ثلاث وحدات: أ) وحدة التصويت المحلية-المعنى الأساسية، حيث يتم توليد ميزات جميع العقد الرمزية من خلال التصويت على التمثيلات المحلية؛ ب) وحدة التفكير الرسومي التي تُنَقِّل المعلومات عبر الرسم المعرفي لتحقيق انسجام معنوي شامل؛ ج) وحدة التمثيل المعنوي-المحلي المزدوجة التي تتعلم ارتباطات جديدة بين العقد الرمزية المتطورة والتمثيلات المحلية، وبالتالي تُعزز من ميزات التوسيع المحلية. يمكن إدراج طبقة SGR بين أي طبقات توسيع، وتمكّن من تطبيقها باستخدام رسوم معرفية مسبقة مختلفة. أظهرت تجارب واسعة أن دمج طبقة SGR يُحسّن بشكل ملحوظ أداء الشبكات التوسيعية البسيطة (ConvNets) في ثلاث مهام لتقسيم المعنى، وفي مهمة واحدة لتصنيف الصور. كما أظهرت التحليلات الإضافية أن طبقة SGR تتعلم تمثيلات رمزية مشتركة للنطاقات/المجموعات ذات مجموعات تسميات مختلفة، مع استخدام رسم معرفي عام، مما يُبرز قدرتها المتميزة على التعميم.