Este documento presenta una nueva red neural biomimética basada en retículas entrenada mediante una medida de similitud derivada de una valoración positiva de retícula. Para una amplia clase de problemas de reconocimiento de patrones, la red neural artificial propuesta, implementada como una memoria heteroasociativa dendrítica, proporciona altos porcentajes de clasificación exitosa. La memoria es una red dendrítica de alimentación directa cuyas operaciones aritméticas se basan en álgebra de retículas y pueden aplicarse a entradas multivaluadas reales. En este enfoque, la realización de tareas de reconocimiento muestra la capacidad inherente de asociaciones de patrones de clase prototipo de manera rápida y sencilla sin necesidad de ningún esquema iterativo sujeto a problemas de convergencia. Mediante un conjunto de datos diseñado artificialmente, mostramos cómo la red neural entrenada propuesta clasifica un patrón de entrada de prueba. La aplicación a unos pocos conjuntos de datos del mundo real típicos ilustra el rendimiento general de clasificación de la red utilizando diferentes subconjuntos de muestras de entrenamiento y prueba generados aleatoriamente.