El memristor, caracterizado por su tamaño nano, no volatilidad y resistencia ajustable continuamente, es un candidato prometedor para la construcción de computación inspirada en el cerebro. Opera basado en la migración de iones, lo que le permite almacenar y recuperar cargas eléctricas. Este artículo revisa la investigación actual sobre sinapsis utilizando memristores digitales y analógicos. Las sinapsis basadas en memristores digitales se han utilizado para construir pesos positivos, neutros y negativos para redes neuronales artificiales, mientras que las sinapsis basadas en memristores analógicos han demostrado su capacidad para simular las funciones esenciales de las sinapsis neuronales, como la memoria a corto plazo (STM), memoria a largo plazo (LTM), plasticidad dependiente del tiempo de espiga (STDP), plasticidad dependiente de la tasa de espiga (SRDP) y facilitación de pulsos emparejados (PPF). Además, las sinapsis basadas en memristores analógicos han mostrado potencial para realizar funciones avanzadas como el aprendizaje experiencial, el aprendizaje asociativo y el aprendizaje no asociativo. Finalmente, destacamos algunos desafíos de construir redes neuronales artificiales a gran escala utilizando memristores.