为了对整个系统进行进一步的改进，我们在第一个神经网络之后构建了第二个深度神经网络，第一个神经网络的输出会作为第二个神经网络的输入。第一个神经网络着重于在每个独立时间 - 频率单元内对属性进行标记，第二个网络将会检查特定单元周围的几个单元的属性。我们用一个比喻来说明这样做为什么会有帮助：假设我们正在购买房屋，如果把第一个网络比喻成房子的房间，那么第二个网络就像周围的社区。换句话说，第二网络向第一网络提供了关于它处理的语音和噪声的额外的上下文环境，并且进一步提高了其分类的精度。例如，音节可以跨越许多时间-频率单元，但是背景噪声可以在说话时突然改变。在这种情况下，上下文线索可以帮助程序更准确地分离语音和音节内的噪声。

在监督训练的最后阶段，深度神经网络分类器被证明远远优于那些早期的用于分离语音与噪声方法。事实上，对于任何依赖于单声道技术来帮助听觉有障碍的人去理解那些被噪声所掩盖的语音中的信息的技术而言，算法都是十分重要的。

为了在人类身上做测试，我们邀请了 12 名听力障碍人士和 12 名正常听力人士通过耳机收听嘈杂句子中的样本。每个样本都是一对组合；首先会同时播放语音和噪声，然后我们将使用我们的深度神经网络程序对相同的样本进行处理后再播放。这些样本会包括诸如「这个地方变冷了」和「他们吃了柠檬饼干」等句子，同时这些句子会被混杂在两种类型的噪音之中：一种是稳定的嗡嗡声和另一种是许多人同时说话的声音。稳定噪声类似于冰箱运行的声音，其音频波会一直重复，并且频谱的形状不会随着时间改变。我们增加了来自四个男性和四个女性的谈话声来模仿鸡尾酒宴会，创造了第二种嘈杂的背景声。

在使用我们的程序对句子处理之后，两组受试者在噪声中理解句子的能力都有了显着改善（参考论文《An algorithm to improve speech recognition in noise for hearing-impaired listeners》）。在对声音样本进行处理之前，有听力障碍的人可以听懂其中 29％的词，对声音处理之后，它们可以理解 84％的词了。在这其中还有几个人一开始只能理解原始样本中 10％ 的词，对样本进行处理后他们可以理解大约 90％的词。在稳定噪声的情况下进行测试也有类似的增益，他们能理解的词从 36％ 提升到了 82％。

对于听力正常的人，我们的程序也能帮助他们更好地理解嘈杂环境中的句子，这意味着我们的程序将来可以帮助到比我们预期更多的人。具有正常听力的听众在稳定噪声中只能理解 37％ 的词，在我们程序的帮助下他们可以理解 80％ 的词了。在混乱噪声的情况下，他们能理解的词也从 42％ 提升到了 78％。

我们实验的最有趣的结果之一是，在我们的程序的帮助下，听力障碍的人可以比正常听力的人的理解能力提升更多？显然，这个答案是肯定的。有听力障碍的听众使用我们的程序之后，比单纯依靠自己的听觉系统分离语音和噪音的正常听力者在嘈杂噪声和稳定噪声中分别多理解了 20％ 和 15％ 的词。由这个结果可得，在各种鸡尾酒宴会问题的解决方案中，我们使用深度神经网络构建的程序取得了迄今为止最优的结果。

当然，程序的能力是有限的。例如，在我们的样本中，我们所使用的噪声样本与程序已经训练分类的噪声类型非常相似。为了让我们的程序在现实生活中起作用，程序需要快速的去学习并过滤掉多种类型的噪声，其中包括包括那些还没有遇到过的类型。例如，通风系统的嘶嘶声就与冰箱压缩机的嗡嗡声不同。此外，我们使用的噪音样本没有混合房间的墙壁和物体的声响，如果加入这些噪音将会使任何的鸡尾酒会噪声问题更加复杂。

在我们发布这些早期的结果之后，我们又购买了一个电影制作人设计的声音效果数据库，并使用了 10,000 个声音进一步地训练我们的程序。今年，我们发现经过再次训练的程序对于全新的噪音也可以提高听力受损听众和正常听众的理解能力了（参考论文《Large-scale training to increase speech intelligibility for hearing-impaired listeners in novel noises》）。现在，通过国家耳聋及其他交流障碍研究所（National Institute on Deafness and Other Communication Disorders）的资助，我们正在推动该计划在更多的环境中运行，并对更多的听力障碍者进行测试。