La inversión de matrices es comúnmente encontrada en el campo de las matemáticas. Por lo tanto, se proponen muchos métodos, incluido el de la red neuronal de anulación (ZNN), para resolver la inversión de matrices. A pesar del ZNN de parámetro fijo convencional (FPZNN), que puede abordar con éxito el problema de la inversión de matrices, puede centrarse en la velocidad de convergencia o en la robustez. Por lo tanto, para superar este problema, se propone un ZNN de doble convergencia acelerada (DAZNN) con supresión de ruido y convergencia de tiempo arbitraria para resolver el problema de inversión de matrices dinámicas (DMIP). La doble convergencia acelerada del modelo DAZNN se logra mediante el diseño especial de parámetros variables de decaimiento exponencial y una función de activación (AF) de tipo signo-bi-potencia exponencial. Además, dos análisis teóricos verifican la convergencia de tiempo arbitraria del modelo DAZNN y su robustez contra ruido aditivo acotado. Se utiliza un ejemplo de inversión de matrices para ilustrar que el modelo DAZNN tiene mejores propiedades cuando se dedica a manejar DMIP, en comparación con los FPZNN convencionales que emplean otras seis AFs. Por último, se verifica la disponibilidad de un ejemplo de posicionamiento dinámico que emplea la fórmula de evolución del modelo DAZNN.