本发明公开了一种非线性奇异摄动微分方程的神经网络计算方法，包括初始化用于训练样本点生成的截断对数正态分布的超参数；初始化神经网络中的隐藏层层数、第i层隐藏层中对应的神经元个数和激活函数；初始化神经网络中所有隐藏层的权重矩阵参数和偏置向量参数；确定优化算法和学习率；从截断对数正态分布中采样得到输入样本点集；通过神经网络构造奇异摄动问题的近似解，并代入微分方程中，得到损失函数。本发明实施例针对非线性奇异摄动方程解的边界层特性，引入了截断对数正态分布采样的方法构造样本点，使得奇异摄动问题的先验信息得到了充分利用，相比传统方法在求解时间和精度上都得到了不同程度的提升。