在神经网络的架构中，一些特定类型的模型可以被视为神经网络的特例或变形。以下是对每个选项的分析：

A: 逻辑回归（Logistic Regression）
逻辑回归可以看作是一个没有隐藏层的神经网络，即一个简单的单层感知器。其输出层使用的是Sigmoid激活函数来进行二分类任务。因此，逻辑回归可以由神经网络变形得到。

B: 线性回归（Linear Regression）
线性回归也可以被视为一个没有隐藏层且没有激活函数（或使用线性激活函数）的神经网络。它的目标是最小化均方误差（MSE）。因此，线性回归也可以由神经网络变形得到。

C: 贝叶斯分类（Bayes Net）
贝叶斯分类是一种基于概率论的方法，通常不使用神经网络架构。它依赖于贝叶斯定理进行分类。虽然可以通过神经网络来近似贝叶斯分类器，但它本质上不是由神经网络变形而来的。

D: 非线性回归（Nonlinear Regression）
非线性回归可以通过多层神经网络（即深度学习模型）来实现。通过使用非线性激活函数（如ReLU、Sigmoid、Tanh等）和多个隐藏层，神经网络可以拟合复杂的非线性关系。因此，非线性回归可以由神经网络变形得到。

综上所述，正确答案是：
A: 逻辑回归（Logistic Regression）
B: 线性回归（Linear Regression）
D: 非线性回归（Nonlinear Regression）