従来のピアネットワークを使ったラベルノイズにロバストな学習よりも、結合損失を利用することで、互いのネットワークが類似していく（より同じタスクを解いていく）ようになる。結合損失の小さなサンプルを選択してパラメータ更新を行うが、その結合損失にCo-Regularizationを利用することで、より信頼できる（汎化性の高いデータ）を選択できるようになる。

ラベルノイズが20, 50, 80%のMNIST, CIFAR10, CIFAR100のtest accuracyでSOTA。 Clothing1M（もともとラベルノイズあり）のテスト精度でbest test accuracy 70.30%でSOTA。