El campo del control de seguimiento de posición e ingeniería de comunicación ha mostrado un interés creciente en la minimización cuadrática variable en el tiempo (TVQM). Si bien los modelos tradicionales de redes neuronales de anulación cero (ZNN) han sido efectivos para resolver problemas de TVQM, tienen limitaciones para adaptar su velocidad de convergencia a la función de activación convexa comúnmente utilizada. Para abordar este problema, proponemos en este artículo un modelo de red neuronal de anulación con activación no convexa adaptativa (AZNNNA). Utilizando la teoría de Lyapunov, analizamos teóricamente la convergencia global y las características inmunes al ruido del modelo AZNNNA propuesto tanto en escenarios libres de ruido como en escenarios perturbados por ruido. También proporcionamos simulaciones por computadora para ilustrar la efectividad y superioridad del modelo propuesto. En comparación con los modelos ZNN existentes, nuestro modelo AZNNNA propuesto los supera en eficiencia, precisión y robustez. Esto ha sido demostrado en el experimento de simulación de este artículo.