人工神經網絡的主要特點是大量神經元之間的加權互連。這就是神經網絡與光學技術相結合的重要原因。電子技術與光學技術相比，精確度高，便於程序控制，抗噪聲能力強。但是，隨著計算機芯片集成度和速度的提高，計算機中的引線問題已成為壹個嚴重的障礙。由於電子引線不能互相短路交叉，引線靠近時會發生耦合，高速電脈沖在引線上傳播時要發生色散和延遲，以及電子器件的扇入和扇出系數較低等問題，使得高密度的電子互連在技術上有很大困難。超大規模集成電路（VLSI）的引線問題造成的時鐘扭曲（clock skew），嚴重限制了諾依曼型計算機的速度。而另壹方面，光學互連是高度並行的，光線在傳播時可以任意互相交叉而不會發生串擾，光傳播速度極快，其延時和色散可以忽略不計，加上光學元件的扇入和扇出系數都很高，因此光學互連具有明顯的優勢。
正因如此，許多科學家早已開始研究采用光學互連來解決VLSI的引線問題，以及芯片之間、插板之間的連接問題。此外，光學運算的高度並行性和快速實現大信息量線性運算的能力，如矩陣相乘，二維線性變換，二維卷積、積分等，也是用光學手段實現人工神經網絡的有利條件。光學信息處理雖有高速度及大信息量並行處理和優點，但要滿足模糊運算和隨機處理的要求還是遠遠不夠的。光學信息處理性能的改進，要求在傳統的線性光學處理系統中引入非線性，而這些問題的解決與神經網絡的光學實現恰好不謀而合。光學信息處理中的許多課題，如光計算、圖像變換、相關濾波、特征提取、邊緣增強、聯想存儲、噪聲消除等，都可以用神經網絡的方法來完成。
關於光學神經網絡的研究，國內外已提出許多不同的硬件系統。例如，基於光學矢量矩陣相乘的Hopfield網絡的外積實現，采用全息存儲和***軛反射鏡（PCM）的全光學系統，采用液晶開關陣列、液晶光閥以及其它空間光調制器（SLM）的內積型光學神經網絡，光電混合全雙極“WTA”網絡等等。光學神經網絡已成為人工神經網絡研究的壹個重要組成部分。