La resolución de ecuaciones de matrices cuadráticas es un problema fundamental que existe esencialmente en el dominio del control óptimo. Sin embargo, los ruidos ejercidos sobre los coeficientes de las ecuaciones de matrices cuadráticas pueden afectar la precisión de las soluciones. Para resolver el problema de ecuaciones de matrices cuadráticas variables en el tiempo bajo ruido lineal, se propone una nueva fórmula de diseño de procesamiento de errores y se desarrolla un nuevo modelo de red neuronal de anulación novel. La nueva fórmula de diseño incorpora un método de procesamiento de errores de segundo orden, y se propone además el modelo de red neuronal de anulación con doble integración mejorada (DIEZNN) para resolver ecuaciones de matrices cuadráticas variables en el tiempo sujetas a ruido lineal. Comparado con el modelo original de red neuronal de anulación (OZNN), el modelo de red neuronal de anulación de tiempo finito (FTZNN) y el modelo de red neuronal de anulación con integración mejorada (IEZNN), el modelo DIEZNN muestra la superioridad de su solución bajo ruido lineal; es decir, al resolver el problema de una ecuación de matriz cuadrática variable en el tiempo en un entorno de ruido lineal, el error residual del modelo existente mantendrá un nivel alto debido a la influencia del ruido lineal, lo que eventualmente llevará al fracaso de la solución. El recién propuesto modelo DIEZNN puede garantizar una solución normal a la tarea de ecuación de matriz cuadrática variable en el tiempo sin importar cuánto ruido lineal haya. Además, el análisis teórico demuestra que el estado neuronal del modelo DIEZNN puede converger a la solución teórica incluso bajo ruido lineal. Los resultados de simulación por computadora corroboran aún más la superioridad del modelo DIEZNN en la resolución de ecuaciones de matrices cuadráticas variables en el tiempo bajo ruido lineal.