Muchos investigadores han abordado problemas relacionados con ecuaciones matriciales lineales generales (GLMEs) que varían en el tiempo debido a su importancia en la ciencia y la ingeniería. Esta investigación discute y resuelve el tema de la resolución de GLMEs TV utilizando el diseño de red neuronal de anulación (ZNN). Se presentan y comparan cinco nuevos modelos ZNN basados en funciones de error novedosas derivadas de métodos de optimización por descenso de gradiente y Newton, y se comparan entre sí y con el diseño ZNN estándar. La pseudoinversión está involucrada en cuatro modelos ZNN propuestos, mientras que tres de ellos están relacionados con el método de optimización de Newton. Ejemplos numéricos heterogéneos muestran que todos los modelos resuelven con éxito las GLMEs TV, aunque su efectividad varía y depende de la matriz de entrada.