本发明公开了一种基于深度学习神经网络(DeepLearningNeuralNetwork，DLNN)的全介质超材料滤波器传输特性的快速预测与反向结构设计方法，该方法通过大量的模拟数据来训练神经网络，寻找滤波器结构与透射响应之间的对应关系并对其进行建模，避开了传统的数学物理计算，以实现传输特性的快速预测以及对具有特定频谱响应的全介质超材料滤波器的按需结构设计。算法实现简单且鲁棒性高，模型的建立和训练皆为一次性成本，大大节省了响应计算和结构设计时间，且易于移植。