本研究提出了一种新方法，将混合图优化算法转化为轻量级可解释的变换器神经网络，以应对交通预测中的空间和时间挑战。该网络在预测准确性上与现有方案相当，但参数数量显著减少，具有较高的实用价值。

本研究探讨了变换器神经网络在学习西班牙语不规则动词时的表现，发现模型能够有效学习这些动词的模式，并揭示了学习过程中的频率影响及误差来源。