Los problemas de inversión de matrices complejas dinámicas (DCMI) surgen con frecuencia en los campos de las matemáticas y la ingeniería, y se ha informado que varios modelos de redes neuronales recurrentes (RNN) encuentran de manera efectiva las soluciones de los problemas DCMI. Sin embargo, la mayoría de los trabajos informados se concentraron en resolver problemas DCMI en un entorno ideal sin ruido, y los ruidos inevitables en la realidad no son considerados. Para mejorar la robustez de los modelos existentes, se propone una red neuronal de anulación de parámetros-variables anti-ruido (ANPVZNN) mediante la introducción de una nueva función de activación (NAF). Tanto el análisis matemático como los resultados de simulación numérica demuestran que el modelo ANPVZNN propuesto posee convergencia en tiempo fijo y robustez para resolver problemas DCMI. Además, un ejemplo exitoso de seguimiento de trayectoria de manipulador basado en ANPVZNN verifica aún más su robustez y efectividad en aplicaciones prácticas.