噪声数据选出好样本
该策略将样本选择过程参数化并置于双层优化框架中，利用记忆效应自动学习最优选择机制，无需人工预设，在噪声标签数据上稳健且高效。
Yang, Hansi · 姚权铭 · Han, Bo · 74038053
IEEE Transactions on Pattern Analysis and Machine Intelligence 2024
将选择过程参数化，利用记忆效应的一般模式在双层优化中自动更新参数，无需人工设计选择规则。
与现有AutoML方法相比，该方法在找到好的选择调度上显著更快，节省计算开销。
立方正则化方法比牛顿方法找到更好的局部最优解，且耗时更短。