该文介绍了一种新的规范等变架构，用于在非欧几里德流形上离散化数据，并解决部分微分方程。该架构具有非线性消息传递，在复杂和非线性动力学的领域中表现更好。

该论文介绍了贝叶斯流网络（BFNs），一种新的生成模型，通过贝叶斯推理修改一组独立分布的参数，然后将其作为输入传递给神经网络，输出第二个相互依赖的分布。BFNs 在连续数据、离散化数据和离散数据等方面有效，并在图像建模和字符级语言建模任务中实现了有竞争力的对数似然值。