No me queda claro cuál es el peso sináptico… ¿Es F(xi, Wi) o es solamente Wi?

Si te sirve para entenderlo mejor podrías pensar en una neurona como en una regresión lineal simple, en donde vos tenias una recta resultante del aprendizaje que minimizaba el error del modelo, por ejemplo:

Y = 4x + 5

Para el caso de esta recta, el 4 seria el peso W. Si fuera otra recta con mas variables, una recta resultante podría ser:

Y = 4x0 + 5x1 + 3

En donde los pesos W serian 4 y 5. Para el caso de la red neuronal podes imaginarte muchas regresiones lineales conectadas entre si (neuronas) donde las salidas de unas son las entradas de otras, y los pesos sinápticos vendrían a ser lo mismo que los pesos W que te dije anteriormente: Parámetros aprendidos durante el entrenamiento que minimizan el error de las predicciones del modelo.

En la imagen puedes identificar: las entradas Xi, los pesos Wij, y la salida de la neurona yi (yi como puedes ver es la sumatoria de la múltiplicación del vector de entrada por la matriz de pesos (sumatoria wij*xj ) menos el bias o umbral theta sub i, y toda esta operación es pasada por la función de activación f().

David las Xi, son el vector de entrada, las Wi corresponden con los pesos, generalmente son matrices.

Los pesos son coeficientes que pueden adaptarse dentro de la red que determinan la intensidad de la señal de entrada registrada por la neurona artificial. Ellos son la medida de la fuerza de una conexión de entrada.

El algoritmo de entreamiento de la red, ajustará mas de una ocasión el valor de los pesos hasta que la red sea capaz de aprender con cierta precisión.