Algorithm 1 A-JoCoR

Input: Network f with $\mathsf{\Theta }=\{{\mathsf{\Theta }}_1,{\mathsf{\Theta }}_2\}$, learning rate $\eta$, training set D, epoch $T_{max}$, iteration $I_{max}$, initial sample abandonment rate ${\tau }_1$, the estimated noise rate $\sigma$; for  $t=1,2,\cdots ,T_{max}$ do    Shuffle training set D;    for  $n=1,2,\cdots ,I_{max}$ do      Fetch mini-batch $D_n$ from D;       ${\mathit{p}}_{\mathbf{1}}=f(\mathit{x},{\mathsf{\Theta }}_1),\forall \mathit{x}\in D_n$;       ${\mathit{p}}_{\mathbf{2}}=f(\mathit{x},{\mathsf{\Theta }}_2),\forall \mathit{x}\in D_n$;      Calculate the joint loss $\mathit{l}$ of ${\mathit{p}}_{\mathbf{1}}$ and ${\mathit{p}}_{\mathbf{2}}$ by Equation (3);      Obtain small-loss sets ${\tilde{D}}_n$ by ${\tilde{D}}_n={\mathrm{argmin}}_{D_n^{\prime }:|D_n^{\prime }|\ge R\left(t\right)|D_n|}\mathit{l}\left(D_n^{\prime }\right)//$ from $D_n$;      Calculate the average loss $\mathit{L}$ of ${\tilde{D}}_n$ by $\mathit{L}=\frac{1}{|\tilde{D}|}{\sum }_{\mathit{x}\in \tilde{D}}\mathit{l}\left(\mathit{x}\right)$;      Update $\mathsf{\Theta }=\mathsf{\Theta }-\eta \nabla \mathit{L}$;    end for    Obtain $p_t^{eva}$;    Update $\sigma =p_t^{eva}$;    Update ${\tau }_{t+1}={\tau }_t-\rho ({\tau }_t-(1-\sigma ))$;    Update $R(t+1)=1-{\tau }_{t+1}$;   end for Output:  $w_f$ and $w_g$