چکیده: الگوریتم حداقل میانگین مربعات کرنلی یکی از روش‌های هوشمند می‌باشد که در این پایان‌نامه 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 می‌بخشد. این الگوریتم می‌تواند 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 می‌توان مراکز شبکه و تعداد آن‌ها 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 می‌کند. در ضمن برای بهبود عملکرد الگوریتم از یک تکنیک تطبیقی برای به‌روز کردن اندازه تابع کرنل استفاده شده است. در نهایت کارایی الگوریتم پیشنهادی با شبیه‌سازی یک هواپیمای جنگنده F-18 جهت ردیابی یک مانور نمونه ارزیابی شده است.