El proceso de diseño de dispositivos de microondas es difícil y consume mucho tiempo porque los métodos analíticos y numéricos utilizados en el proceso de diseño son complejos. Por lo tanto, es necesario buscar nuevos métodos que permitan acelerar los procedimientos de síntesis y análisis. Esto es especialmente importante en casos donde los procedimientos de síntesis y análisis deben repetirse muchas veces, hasta encontrar la configuración correcta del dispositivo. Las redes neuronales artificiales son una de las posibles alternativas para acelerar el proceso de diseño. En este documento presentamos un procedimiento para analizar un sistema híbrido de meandro (HMS) utilizando la red de retropropagación de alimentación directa (FFBN). Comparamos los resultados de predicción del factor de transmisión y el factor de reflexión, obtenidos utilizando el FFBN, con los resultados obtenidos utilizando métodos analíticos y numéricos tradicionales, así como con resultados experimentales. Las comparaciones muestran que los resultados de predicción dependen significativamente de la estructura del FFBN. En términos de la diferencia más baja entre las características calculadas utilizando el método de momentos (MoM) y las características predichas utilizando el FFBN, la mejor predicción se logró utilizando el FFBN con tres capas ocultas, que incluían 18 neuronas en la primera capa oculta, 14 neuronas en la segunda capa oculta y 2 neuronas en la tercera capa oculta. Las diferencias entre los resultados predichos y calculados no superaron el 7% para el parámetro y el 5% para el parámetro. La predicción de parámetros utilizando el FFBN permitió acelerar el procedimiento de análisis de horas a minutos. Los resultados experimentales se correlacionaron con las características predichas.