ในวิทยาศาสตร์ประสาทและวิทยาศาสตร์คอมพิวเตอร์น้ำหนักไซแนปส์หมายถึงความแข็งแรงหรือแอมพลิจูดของการเชื่อมต่อระหว่างโหนดสองโหนด ซึ่งในทางชีววิทยาจะสอดคล้องกับปริมาณอิทธิพลที่การทำงาน ของ เซลล์ประสาทหนึ่งมีต่ออีกเซลล์หนึ่ง โดยทั่วไปคำนี้จะใช้ในการวิจัยเครือข่ายประสาทเทียมและทางชีววิทยา^{[ 1 ]}

ในโครงข่ายประสาทเทียมเชิงคำนวณเวกเตอร์หรือชุดของอินพุต${\displaystyle {\textbf {x}}}$และผลลัพธ์${\displaystyle {\textbf {y}}}$หรือเซลล์ประสาทก่อนและหลังไซแนปส์ตามลำดับ จะเชื่อมต่อกันด้วยน้ำหนักไซแนปส์ที่แสดงโดยเมทริกซ์${\displaystyle w}$โดยที่สำหรับเซลล์ประสาทเชิงเส้น

${\displaystyle y_{j}=\sum _{i}w_{ij}x_{i}~~{\textrm {or}}~~{\textbf {y}}=w{\textbf {x}}}$.

โดยที่แถวของเมทริกซ์ไซแนปส์แสดงถึงเวกเตอร์ของน้ำหนักไซแนปส์สำหรับเอาต์พุตที่ระบุด้วยดัชนี${\displaystyle j}$.

น้ำหนักของไซแนปส์จะเปลี่ยนแปลงโดยใช้กฎการเรียนรู้ ซึ่งกฎพื้นฐานที่สุดคือกฎของเฮบบ์ (Hebb's rule ) ซึ่งโดยทั่วไปจะกล่าวถึงในเชิงชีววิทยาว่า

เซลล์ประสาทที่ทำงานพร้อมกัน จะเชื่อมต่อกัน

ในเชิงการคำนวณ หมายความว่า หากสัญญาณขนาดใหญ่จากเซลล์ประสาทนำเข้าตัวใดตัวหนึ่งส่งผลให้เกิดสัญญาณขนาดใหญ่จากเซลล์ประสาทส่งออกตัวใดตัวหนึ่ง น้ำหนักของไซแนปส์ระหว่างเซลล์ประสาททั้งสองนั้นก็จะเพิ่มขึ้น อย่างไรก็ตาม กฎนี้ไม่เสถียร และโดยทั่วไปจะถูกปรับเปลี่ยนโดยใช้รูปแบบต่างๆ เช่นกฎของโอจาฟังก์ชันฐานรัศมีหรืออัลกอริ ธึม การแพร่กระจายย้อนกลับ

สำหรับเครือข่ายชีวภาพ ผลกระทบของน้ำหนักไซแนปส์นั้นซับซ้อนกว่ากรณีของเซลล์ประสาทเชิงเส้นหรือการเรียนรู้แบบเฮบเบียนอย่างไรก็ตาม แบบจำลอง ทางชีวฟิสิกส์เช่นทฤษฎี BCMประสบความสำเร็จในการอธิบายเครือข่ายเหล่านี้ทางคณิตศาสตร์ได้บ้าง

ในระบบประสาทส่วนกลาง ของสัตว์เลี้ยงลูกด้วยนม การส่งสัญญาณจะเกิดขึ้นผ่านเครือข่ายที่เชื่อมต่อกันของเซลล์ประสาทหรือนิวรอน สำหรับนิวรอนแบบพีระมิด พื้นฐาน สัญญาณขาเข้าจะถูกส่งผ่านทางแอกซอนซึ่งจะปล่อยสารสื่อประสาทเข้าไปในไซแนปส์ และสารสื่อประสาทนั้น จะถูกรับโดยเดนไดรต์ของนิวรอนถัดไป ซึ่งสามารถสร้างศักย์ไฟฟ้าแอคชั่นได้ซึ่งเทียบได้กับสัญญาณขาออกในกรณีของการคำนวณ

น้ำหนักของไซแนปส์ในกระบวนการนี้ถูกกำหนดโดยปัจจัยแปรผันหลายประการ:

• ประสิทธิภาพในการส่งผ่านสัญญาณอินพุตผ่านแอกซอน (ดูเรื่องการสร้างปลอกไมอีลิน )
• ปริมาณของสารสื่อประสาทที่ถูกปล่อยเข้าสู่ไซแนปส์และปริมาณที่สามารถถูกดูดซึมเข้าไปในเซลล์ถัดไป (ซึ่งกำหนดโดยจำนวน ตัวรับ AMPAและNMDAบนเยื่อหุ้มเซลล์ และปริมาณแคลเซียม ภายในเซลล์ และไอออนอื่นๆ)
• จำนวนของการเชื่อมต่อดังกล่าวที่แอกซอนสร้างขึ้นไปยังเดนไดรต์
• ประสิทธิภาพในการแพร่กระจายและการรวม สัญญาณ ในเซลล์หลังไซแนปส์

การเปลี่ยนแปลงของน้ำหนักไซแนปส์ที่เกิดขึ้นเรียกว่าความยืดหยุ่นของไซแนปส์ (synaptic plasticity ) และกระบวนการที่อยู่เบื้องหลังการเปลี่ยนแปลงในระยะยาว ( long-term potentiation and depression ) ยังคงเป็นที่เข้าใจได้ไม่ดีนัก กฎการเรียนรู้ดั้งเดิมของ Hebb เดิมทีนำไปใช้กับระบบชีวภาพ แต่ต้องได้รับการแก้ไขหลายครั้งเนื่องจากปัญหาทางทฤษฎีและเชิงทดลองหลายประการปรากฏขึ้น

• เครือข่ายประสาทเทียม
• ความยืดหยุ่นของไซแนปส์
• ทฤษฎีเฮบเบียน