Gần đây, giải pháp phân loại chữ Hán viết tay dựa trên mạng nơ-ron tích chập đã trở nên phổ biến và đạt được một số thành công nổi bật. Tuy nhiên, để đạt được mạng nơ-ron tích chập với khả năng phân loại chính xác cao, các siêu tham số cho các mạng này cần được được tối ưu. Dựa trên kiến trúc mạng nơ-ron tích chập LeNet-5, bài báo này trình bày giải pháp phân loại chữ Hán viết tay dựa trên mạng nơ-ron tích chập với sự hỗ trợ của phương pháp tối ưu siêu tham số Hyperband. Kết quả thử nghiệm đã cho thấy mô hình mạng với sự hỗ trợ của tối ưu siêu tham số đã đạt được độ chính xác trên tập dữ liệu kiểm thử lên tới 96%, cao hơn độ chính xác dựa trên mô hình LeNet-5 và mô hình với siêu tham số ngẫu nhiên.Recently, handwritten Chinese character classification solutions based on convolutional neural networks have become popular and achieved some outstanding successes. However, to achieve convolutional neural networks with high classification accuracy, the hyperparameters for these networks need to be optimized. Based on LeNet-5 convolutional neural network architecture, this paper presents a solution for handwritten Chinese character classification based on convolutional neural network with the support of Hyperband hyperparameter optimization method. Experimental results have shown that the network model with the support of hyperparameter optimization has achieved accuracy on the test data set up to 96%, higher than the model based on the LeNet-5 model and the model with random hyperparameters.