神经网络只能变形得到线性/广义线性模型，贝叶斯分类不是广义线性模型

在神经网络的架构中，不同的模型可以从神经网络的变形中得到。以下是对选项的分析：

A: 逻辑回归（Logistic Regression）
逻辑回归可以看作是一个单层神经网络（即没有隐藏层）并使用sigmoid激活函数。因此，逻辑回归是可以通过神经网络变形得到的模型。

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（或使用恒等函数作为激活函数）的神经网络。因此，线性回归也是可以通过神经网络变形得到的模型。

C: 贝叶斯分类（Bayes Net）
贝叶斯分类是一种基于概率的分类方法，通常不通过神经网络实现。虽然可以通过神经网络来进行类似的分类任务，但贝叶斯分类本身并不是通过神经网络变形得到的模型。

D: 非线性回归（Nonlinear Regression）
非线性回归可以通过多层神经网络（即包含隐藏层和非线性激活函数的神经网络）来实现。因此，非线性回归是可以通过神经网络变形得到的模型。

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