给定：从传感器收集的时间序列数据。

当传感器空闲时，初始数据会出现意外的逐渐下降。但是，当传感器处于活动状态时，这种下降并不那么明显，因为实际测量值掩盖了这种下降。

主要问题：如何从传感器输出中消除这种下降？

不确定这是否是一个准确的假设，但我们假设下降是未知系统 X（泄漏、传感器漂移等）与被测系统 G 的卷积。

我将其输入神经网络。

如何获得未知影响 X 的近似值（来自初始数据）？

我的目标：在训练神经网络之前将 (-X) 应用于从 G 收集的所有其他数据，并期望性能有所提高。我应该期望性能提高吗？