MIM (Metal-Insulator-Metal)电容和交指电容作为微波电路中的集总元件,常被作为射频旁路电容、隔直电容、电抗性负载,匹配调节器等出现在射频电路中。除此之外,它们在滤波器,功分器、合路器、耦合器,平衡/非平衡变压器方面应用也十分广泛,从前人对各种电容的研究工作中我们可以看到,不管是基于忽略某些微弱场效应而做出各种近似的等效电路法,还是基于各种数值算法的全波分析法,或者是基于实测结果的建库法,都很难同时满足人们在应用中对结果的准确性和有效性的要求。因此,如何对这些集成电容建立快速有效的计算模型成为人们研究的一个重要方向。在理论上,神经网络可以拟合任意非线性度的函数映射关系,因此近年来,人工神经网络强大的非线性输入输出映射能力吸引了越来越多人的关注。对于在电磁研究中的一些规模巨大,结构复杂,无闭式解析公式来直接计算的问题,神经网络无疑是一个很好的选择。集成电容的参数提取就是属于很难用准确的闭式解来解决的问题之一。本文采用了全波分析、等效电路模型、元件库和人工神经网络相结合的方法,用电磁仿真软件和元件库来得出集成电容的频率特性,然后根据我们提出的等效电路模型计算电容,再应用人工神经网络算法,训练出可以可靠逼近电容的几何结构参数和频率特性或电容之间非线性关系的网络。此神经网络我们称之为正向神经网络,即从电容的结构参数得出电容的频率特性及容值的网络。正向神经网络训练成功后,我们着手于训练逆向神经网络,即给出我们设计电路时需要的集成电容的容值,则可以通过逆向神经网络快速得到其有关的结构参数。和传统的搜索法比较,本文尝试了直接将神经网络的输入和输出互换,训练出逆向神经网络。一旦逆向神经网络训练好后,应用时只需要输入想要的系统响应,就可以立即由此网络综合出相应的元件结构参数,这样,不管是由几何结构参数计算响应或者由期望响应计算对应几何结构参数,计算的时间都几乎可以忽略不计。在本文中,我们主要针对四种结构的电容给出了正向和逆向的人工神经网络算例,这四种结构包括:两种端口馈电方式的交指电容和单、多层MIM电容。