الگوریتم حداقل میانگین مربعات کرنلی یکی از روش های هوشمند می باشد که در این پایان نامه برای کنترل سیستم هدایت هواپیما مورد توجه قرار گرفته است. استفاده از تئوری کرنل در الگوریتم حداقل میانگین مربعات، فهم این الگوریتم را با دیدگاه آموزش ماشین بهبود می بخشد. این الگوریتم می تواند تحولی در آموزش شبکه عصبی پایه شعاعی ایجاد کند. تاکنون برای آموزش شبکه عصبی با تابع پایه شعاعی، مراکز کرنل و اعداد آن ها با یک الگوریتم پیچیده و غیرمستدل انتخاب می گردید؛ در صورتی که با الگوریتم حداقل میانگین مربعات کرنلی می توان مراکز شبکه و تعداد آن ها را به صورت خودکار تعیین کرد و نیازی به مجموعه از قبل آموزش داده شده وجود ندارد. در واقع این الگوریتم مانند یک شبکه عصبی توسعه یافته ساده با تابع پایه شعاعی عمل می کند. در ضمن برای بهبود عملکرد الگوریتم از یک تکنیک تطبیقی برای به روز کردن اندازه تابع کرنل استفاده شده است. در نهایت کارایی الگوریتم پیشنهادی با شبیه سازی یک هواپیمای جنگنده f-18 جهت ردیابی یک مانور نمونه ارزیابی شده است.