本发明涉及基于三支决策的神经网络拓扑结构优化方法，针对经验公式法确定神经网络的隐藏层结点数目，缺乏一定的理论支撑且算法的准确率不高而提出。这是首次将三支决策理论应用到确定神经网络的隐藏层结点数目的问题。首先，初始化一个隐藏层结点，利用Focal loss损失函数和Adam算法实现神经网络的学习过程；然后，针对神经网络训练阶段的错分样本，使用三支决策理论，在最小决策风险损失的情况下，将其划分至不同的域，并采取相应的策略；最后，当边界域不为空集时，依次增加神经网络的隐藏层结点数目，直至边界域是空集时，停止模型的增长，从而确定神经网络的拓扑结构，同时提高了神经网络的预测精确度。