問題的答案無所不包論文書籍站
國立臺灣科技大學 數位學習與教育研究所 黃國禎所指導 Husni Mubarok的 基於組織圖的自然語言聊天機器人策略對翻轉 EFL 學生的口語表達、運算思維傾向和文化興趣之影響 （2020），提出Voyant tool關鍵因素是什麼，來自於图形组织者、仿制、聊天机器人、计算思维、文化兴趣、口头陈述模式。
而第二篇論文國立臺灣大學 生物機電工程學系 江昭皚所指導 鍾秉良的 基於短期輻照度預測之智能太陽光電儲能系統控制策略 （2019），提出因為有 太陽能、儲能系統、衛星雲圖、機器學習、深度學習、輻照度預測、模糊邏輯控制的重點而找出了 Voyant tool的解答。
基於組織圖的自然語言聊天機器人策略對翻轉 EFL 學生的口語表達、運算思維傾向和文化興趣之影響
為了解決Voyant tool 的問題，作者Husni Mubarok 這樣論述：
本研究探讨了基于图形组织器的自然语言聊天机器人方法对翻转课堂中 EFL 学生的口语表现、计算思维倾向和文化兴趣的影响。本研究采用准实验设计，其中ELF（英语作为外语）两个班的48名学生。实验组（n=27）被分配到基于图形组织的自然语言聊天机器人方法（GO-NLC），而对照组（n=21）被分配到传统的自然语言聊天机器人方法（C-NLC）翻转课堂。数据通过混合设计方差分析、顺序分析和 Voyant 工具进行分析。本研究结果表明，实验组不仅显着提高了学生的口头表达能力，而且还提高了学生的计算思维倾向。然而，文化兴趣在实验组和对照组之间没有显着差异。此外，GO-NLC 策略提高了学生组织信息与机器人
对话的技能，比 C-NLC 策略更自信、更具互动性和创造性。
基於短期輻照度預測之智能太陽光電儲能系統控制策略
為了解決Voyant tool 的問題，作者鍾秉良 這樣論述：
近年來民眾環保意識上漲，因此再生能源的相關議題也逐漸浮上檯面，各國政府也極力推展再生能源發展計畫，但其功率輸出受到一天中的時間與氣候條件限制，造成供電間歇性的問題，而這項特性對電力行業提出了巨大的挑戰，因為它們必須維持電力的供應與需求平衡關係，以確保電力系統的穩定性和可靠性，而目前的主流解決方案有兩種，即是精確的再生能源發電預測與併入儲能系統平衡電網功率波動。因此本研究提出了一個基於短期太陽能輻照度預測的儲能系統控制決策，而該策略分為兩個部分，首先本研究提出了三種不同的預測模型比較，分別為Feedforward Neural Networks (FFNN)、Long Short-Term M
emory (LSTM) 與 Gated Recurrent Unit (GRU)，並將資料集分為5分鐘與10分鐘間隔，用以訓練兩種不同間隔的預測模型，該模型以過去30分鐘的特徵資料做為訓練模型輸入，最後再將性能表現最好的兩種預測模型進行混合權重搭配，提出一個15分鐘的預測模型，並將其預測結果搭配第二階段基於模糊邏輯的儲能系統控制策略，其考慮了儲能系統的充電狀態、微電網的淨功率以及未來輻照度的變化，且策略的主要目標為減少再生能源發電所造成的不穩定性影響，並最大程度地降低與主電網間的功率波動，進而提高光伏系統發電的利用效率，並同時降低運營成本，更重要的是所有的決策控制皆維持在儲能系統之安全充電範
圍內，所提出的策略將在實時數位模擬器進行實際模擬驗證以評估其效能與可靠性。